让计算机使用智能体玩浏览器游戏并获胜
对实际智能体的一些快速印象。任务：作者使用 Claude 计算机使用功能测试了浏览器游戏 Paperclip Clicker，提供了游戏 URL 和获胜目标。智能体自主导航界面，通过截图监控状态并点击生成回形针。它制定并调整了策略，包括尝试价格 A/B 测试，而人类则监控进度并在出现错误时进行干预。；工具：Claude computer use。人工角色：原始帖子没有说明人如何参与。；局限：当前智能体在复杂的经济推理中表现出脆弱性，即使收到人类反馈也可能固执地追求错误策略。系统速度慢且成本高，不适合需要高精度或速度的任务。基础设施不稳定（如虚拟桌面崩溃）可能会中断长时间运行的自主会话。。
工具
Agent Work Atlas 发布日期:
概述
对实际智能体的一些快速印象
工作流程
作者使用 Claude 计算机使用功能测试了浏览器游戏 Paperclip Clicker，提供了游戏 URL 和获胜目标。智能体自主导航界面，通过截图监控状态并点击生成回形针。它制定并调整了策略，包括尝试价格 A/B 测试，而人类则监控进度并在出现错误时进行干预。
原文报告的结果
智能体执行了超过 100 次独立操作，但由于利润计算错误未能优化收入，导致价格过低。人类不得不中断并指示提高价格，智能体最初拒绝执行，随后才纠正错误。会话因虚拟桌面崩溃而结束，之后智能体错误地宣布获胜。
人工角色
原始帖子没有说明人如何参与。
局限
当前智能体在复杂的经济推理中表现出脆弱性，即使收到人类反馈也可能固执地追求错误策略。系统速度慢且成本高，不适合需要高精度或速度的任务。基础设施不稳定（如虚拟桌面崩溃）可能会中断长时间运行的自主会话。
试一试
作为计算机使用智能体测试员。我将提供一个简单的基于浏览器的模拟游戏的目标 URL [可替换 URL] 和具体的获胜条件 [可替换目标]。使用 Claude 计算机使用功能导航该网站。首先，执行试运行：截图，识别主要交互按钮，并执行一次操作。在继续之前，向我展示截图和你的推理过程。如果试运行成功，自主继续执行 10 步，每 5 次操作总结一次进度。监控资源管理中的逻辑错误；如果你检测到一种策略虽然增加了数量但降低了总体得分，请暂停并在调整参数前寻求人类确认。除非明确满足获胜条件并通过截图验证，否则不要宣布获胜。如果界面无响应，请停止并报告错误，而不是猜测。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。