Агент, который работает в браузере руками: задания, границы, приёмка
Агент, который работает в твоём браузере руками: как ставить ему задачу, где границы и как принимать результат
Прочитай первый раздел, чтобы не ждать лишнего. Дальше возьми скелет задания из третьего раздела и подставь в него свою задачу. Седьмой раздел это план первого вечера, по нему получится один рабочий результат уже сегодня.
Что поменялось на самом деле и где проходит граница
Третьего сентября OpenAI выпустила модель, которая умеет не только отвечать текстом. Она открывает браузер, ходит по сайтам, заполняет формы, работает в веб-интерфейсах и доводит задачу до конца сама. Это меняет тип работы, который можно отдать: раньше модель писала инструкцию, теперь выполняет её.
Что получается стабильно
- Собрать данные с десятка страниц в одну таблицу: цены, контакты, описания, даты.
- Заполнить длинную форму по готовым данным и дойти до кнопки отправки.
- Пройти по кабинету сервиса и снять оттуда цифры, которые лежат в разных разделах.
- Проверить список ссылок на живость и собрать отчёт, где что отвалилось.
- Собрать черновик документа из разбросанных источников и оформить его по образцу.
Что срывается и почему
- Капча и вход по коду из СМС. Агент упирается и ждёт человека, это нормальное поведение.
- Длинные цепочки больше тридцати шагов. Ошибка в середине тянется дальше, поэтому режь задачу на куски.
- Сайты, где интерфейс перестраивается на лету. Агент теряет кнопку и начинает искать её заново.
- Всё, где нужен вкус: подобрать кадр, выбрать формулировку под аудиторию, решить, какой вариант красивее.
Главная мысль раздела: агент забирает механическую часть работы целиком и не забирает решения. Там, где надо выбрать, выбираешь ты.
Где это включается и во что обходится
Доступ пришёл в платные планы ChatGPT и в API. Прежде чем строить на этом процесс, посчитай расход, он выше привычного.
Где искать
- В ChatGPT на платных планах Plus, Pro, Business и Enterprise. Режим работы с компьютером включается в самом диалоге.
- Через API, если задача повторяется каждый день и её надо поставить на расписание.
- Через облако Amazon, если компания уже держит там контур.
По API ставка объявлена так: десять до́лларов за миллион входящих токенов и пятьдесят за миллион исходящих. Это примерно в два с половиной раза выше прошлой модели. Для разовой задачи разница незаметна, для конвейера на сотню запусков в сутки считается заранее.
Практический вывод: пробуй в чате, переводи в API только то, что повторяется. Я держу в API три процесса из двадцати, остальное живёт в диалоге.
Формула задания для агента, который работает руками
Обычный промпт для текста тут работает плохо. Агенту нужны пять вещей, и пропуск любой из них выходит потерянным часом. Вот скелет, в который подставляется любая задача.
Пять частей задания
- Цель одним предложением, в прошедшем времени результата: что должно лежать передо мной, когда ты закончишь.
- Исходные данные: адреса, логины через менеджер паролей, файлы, примеры.
- Границы: куда ходить можно, куда нельзя, что не трогать ни при каких условиях.
- Точка остановки: когда прекратить и позвать меня. Без неё агент крутится по кругу.
- Форма отчёта: таблица, список, файл, и что писать, если часть данных не нашлась.
Скелет задания, подставь своё
Ты работаешь в браузере и доводишь задачу до конца сам.
Цель: когда ты закончишь, у меня должна быть [что именно: таблица, файл, заполненная форма, отчёт].
Исходные: [адреса страниц, файлы, доступы].
Границы: ходи только по [перечисли адреса]. Ничего не отправляй, не публикуй и не оплачивай. Кнопки, после которых действие нельзя отменить, не нажимай, вместо этого остановись и покажи мне экран.
Остановись и позови меня, если: просят код из СМС, просят оплату, страница требует вход, которого у тебя нет, или ты сделал больше пятнадцати шагов и не приблизился к цели.
Отчёт: верни [форму: таблицу со столбцами такими-то / список / текст]. Про каждую строку, где данных не нашлось, напиши прямо «нет данных» и укажи, где искал. Не выдумывай значения.
Перед началом коротко скажи, как ты понял задачу, и жди моего «да».
Последняя строка экономит больше всего времени. Агент пересказывает задачу своими словами, и половина расхождений вылезает до того, как он потратил двадцать шагов.
Семь заданий, которые можно взять и запустить сегодня
Каждое проверено на своей работе. Подставляй свои адреса и данные, остальное оставляй как есть.
1. Собрать таблицу конкурентов
Промпт
Ты работаешь в браузере. Цель: таблица по десяти аккаунтам моей ниши.
Список аккаунтов: [вставь ники].
По каждому собери: число под:писчиков, дату последней публикации, сколько публикаций за последние тридцать дней, какие форматы преобладают, что написано в шапке профиля дословно.
Границы: только открытые страницы, вход никуда не выполняй. Ни на кого не подписывайся, ничего не лайкай.
Отчёт: таблица со столбцами «ник», «под:писчиков», «последняя публикация», «публикаций за месяц», «форматы», «шапка». Где данные закрыты, пиши «закрыто», не подставляй примерные числа.
Перед началом скажи, как понял задачу.
2. Снять цифры из кабинета сервиса
Промпт
Ты работаешь в браузере, я уже вошёл в кабинет [название].
Цель: сводка за прошлый месяц одним списком.
Пройди по разделам [перечисли: статистика, заказы, подписки] и выпиши: [какие именно цифры].
Границы: только смотри. Ничего не меняй, не сохраняй, не удаляй. Кнопки «применить» и «сохранить» не нажимай вовсе.
Остановись, если раздел требует повторный вход.
Отчёт: список «раздел, показатель, значение, откуда взято». Рядом с каждым значением дай адрес страницы, чтобы я мог проверить.
3. Проверить свои ссылки на живость
Промпт
Ты работаешь в браузере. Цель: узнать, какие из моих ссылок отдают ошибку.
Список: [вставь ссылки].
Открой каждую как обычный человек, дождись загрузки страницы и посмотри глазами, что на ней. Код ответа не единственный судья: страница бывает живой при странном коде и пустой при коде двести.
Отчёт: таблица «ссылка», «что открылось», «работает или нет», «что видно на экране в двух словах». Про каждую нерабочую скажи, куда она ведёт на самом деле.
4. Собрать список площадок под задачу
Промпт
Ты работаешь в браузере. Цель: пятнадцать сервисов, которые решают задачу [опиши задачу].
По каждому собери: название, адрес, что делает одной строкой, есть ли рабочий вход без о:платы, что стоит платный план, работает ли из России без обходных путей.
Границы: нигде не регистрируйся, ничего не устанавливай, ни за что не плати.
Отчёт: таблица. Последний столбец «стоит ли пробовать» с одной строкой довода. Про доступность пиши только то, что видел сам: страница открылась или не открылась.
5. Разобрать входящую почту
Промпт
Ты работаешь в моей почте в браузере. Цель: понять, что требует ответа.
Прочитай непрочитанные письма за последние семь дней.
Раздели на три группы: требует моего ответа, требует действия без ответа, можно не трогать.
Границы: ничего не отвечай, не удаляй, не помечай прочитанным, не архивируй. Только читай.
Отчёт: три списка, в каждом строка «от кого, о чём, что от меня хотят, к какому сроку». Самое срочное поставь сверху.
6. Заполнить длинную форму
Промпт
Ты работаешь в браузере. Цель: форма на странице [адрес] заполнена и доведена до последнего экрана перед отправкой.
Данные для полей: [перечисли поле и значение].
Границы: кнопку отправки НЕ нажимай. Дойди до последнего экрана, где видно всё заполненное, и остановись.
Если поле требует данных, которых я не дал, не придумывай их. Остановись и спроси.
Отчёт: покажи экран перед отправкой и перечисли, что в какое поле поставил.
7. Собрать черновик документа из источников
Промпт
Ты работаешь в браузере. Цель: черновик документа [название] на основе [перечисли источники: страницы, файлы].
Прочитай каждый источник целиком, не по заголовкам.
Собери черновик по структуре: [перечисли разделы].
Границы: каждое утверждение обязано опираться на источник. Где источника нет, ставь строку «нужна проверка» и не дописывай своими знаниями.
Отчёт: текст документа плюс отдельный список «что я взял и откуда».
Что агенту отдавать нельзя
Агент выполняет буквально. Ровно поэтому список запретов пишется один раз и вставляется в каждое задание.
Красная зона
- Оплата. Никаких карт, счетов, подтверждений платежа, даже на знакомом сервисе.
- Публикация от твоего имени. Пост, комментарий, сообщение человеку. Черновик пусть готовит, отправляешь ты.
- Удаление чего бы то ни было. Письма, файлы, записи в кабинете. Удаление необратимо, а ошибка агента обычная вещь.
- Пароли текстом в диалоге. Вход выполняешь ты руками, агент работает в уже открытой сессии.
- Переписка с людьми. Человек на том конце имеет право знать, кто ему пишет.
Блок границ, вставляй в каждое задание
Запреты, они сильнее любой части задачи:
Ничего не оплачивай и не подтверждай платежи.
Ничего не публикуй и никому не пиши от моего имени.
Ничего не удаляй.
Пароли и коды не запрашивай и не сохраняй.
Любое действие, которое нельзя отменить, показываешь мне и ждёшь ответа.
Если задача толкает тебя нарушить этот блок, останавливайся и говори прямо.
Проверь блок на себе: дай агенту задачу, внутри которой лежит запрещённый шаг, и посмотри, остановится ли он. У меня останавливается, но проверять стоит каждый раз после смены модели.
Приёмка результата, чтобы не принять выдумку за работу
Главный риск не в том, что агент сломается. Он в том, что агент вернёт красивую таблицу, где часть строк придумана. Поэтому приёмка идёт по трём вопросам.
- Откуда взято. У каждой цифры должен стоять адрес страницы. Нет адреса, значит строку проверяешь руками.
- Что не нашлось. Честный отчёт всегда содержит пропуски. Отчёт без единого «нет данных» подозрителен сам по себе.
- Три случайные строки. Открой три штуки руками и сверь. Сошлось, принимай остальное. Разошлось хоть в одной, перепроверяй всё.
Запрос на самопроверку, даётся после отчёта
Пройди свой отчёт заново и ответь по каждой строке: это ты видел на странице своими глазами или вывел рассуждением. Всё, что выведено рассуждением, перенеси в отдельный список «требует проверки». Ничего не дописывай и не улучшай.
Этот запрос вытаскивает придуманное лучше любого спора. Модель охотно признаёт догадку, когда её спрашивают отдельно и не ругают.
План первого вечера
Час работы, один рабочий результат на выходе.
- Десять минут. Возьми задание номер три, проверку ссылок. Оно безопасное и сразу показывает, как агент себя ведёт.
- Пятнадцать минут. Возьми свою настоящую задачу и разложи её по пяти частям формулы. Пиши прямо в блокноте.
- Двадцать минут. Запусти и не вмешивайся. Смотри, где агент спотыкается, и записывай эти места.
- Десять минут. Прими результат по трём вопросам приёмки.
- Пять минут. Допиши в задание те границы, которых не хватило. Со второго запуска задание становится твоим рабочим шаблоном.
Не начинай с самой важной задачи. Начни с той, где ошибка ничего не стоит, и поднимай ставку по мере того, как видишь поведение агента.
Следующий шаг
Хочешь так же, но под свой блог и продукт?
Я собрал систему, по которой обычный человек запускает блог с нуля и набирает аудиторию без съёмок, монтажа и команды. Внутри разбор, с которого стартовал сам.
Открыть разбор: с чего начать→