Amazon 推出 Nova Act，专为浏览器自动化设计的 AI 智能体平台。它可以在网页中像人类一样点击、输入、操作网页执行任务。比如帮你提交请假单、添加日历提醒，甚至按时帮你点外卖。
你可以用它来控制网页上的每个步骤，还可以组合复杂任务，让它自动帮你完成一些烦人的重复性工作，而且你根本不需要盯着它操作，它可以自动执行、定时触发，非常适合办公自动化或产品集成。
上手门槛极低（只需三行代码），还结合 Python 提供强大的并发处理、网页信息提取和流程编排能力。
- 仅需三行代码即可启动，适用于各种复杂任务自动化，如预订、QA测试。
支持 Python 集成，拥有 MapReduce 能力、多线程、网页数据提取（Pydantic）和 Playwright 控制。
Nova Act与OpenAI的Operator和Anthropic的Claude等网页操作代理竞争。Amazon强调其模型在可靠性和开发者控制上的优势，而非追求“60%成功率的炫酷演示”，在内部评估中可靠性得分 >90%。
Nova Act在日期选择、下拉菜单和弹出窗口等任务中优势明显，这些评估是其他模型无法完成的，并在 ScreenSpot 和 GroundUI Web 等基准测试中实现一流的性能。
Nova Act 的核心能力
Nova Act 实际上是一个具备浏览器交互能力的 AI 系统 + SDK 工具集，允许开发者创建可以“操作网页”的智能体。
[高层目标] --> [分解任务] --> [原子指令] --> [网页操作]
↓
可插入 Python 脚本、API调用、Playwright控件
- 能在浏览器中直接执行操作的智能代理
- 可执行多步骤、可组合的任务链
- 可与 API 与代码混合运行，追求高可靠性和低监督性
核心组成模块
1. Nova Act SDK 的能力
Nova Act SDK允许开发者将复杂的任务分解为“原子命令”（atomic commands），如“搜索”、“结账”或“回答屏幕上的问题”。
支持添加详细指令，例如“不要接受保险推销”，以提高任务执行的精确性。
可以创建能在浏览器中完成任务的代理，例如：
- 提交“请假申请”
- 添加日历事件（如“外出通知”）
- 设置邮件自动回复（Out-of-office）
2. 可扩展原子操作
Nova Act 提供了一种方式，将复杂任务拆分成可复用的“原子命令”，例如：
- 搜索（search）
- 结账（checkout）
- 读取屏幕信息（answer questions about screen）
每个命令都可以带有详细的执行指令，比如：“不要选择附加保险”。
原子命令的优势
将每个操作拆分为“最小可控单元”：
- 易于调试、复用
- 可以单独测试
- 易于组合为复杂工作流
3. 集成 Playwright 提高稳定性
- 可使用 Playwright 框架直接控制浏览器，以实现更精细操作（如输入密码）。
- Playwright 提供对浏览器底层的精准控制，而 LLM 提供语言推理，两者结合实现强大执行力。
4. 灵活的 Python 脚本集成
可以将 Python 代码与命令交织，支持：
- 测试（test）
- 断点（breakpoint）
- 并行化执行（thread pools）
- 异步调度
🔁 转为“服务型”智能体
通过 SDK，可以将一个智能体封装为：
- API 接口，集成到实际产品中
支持后台任务定时运行，周期执行，例如：
- 自动在每周二下单晚餐沙拉
- UI前端嵌入的服务