亚马逊发布 Nova Act

亚马逊所说的「智能体」是什么

这次发布附带了一个明确的定义。亚马逊表示，它把智能体（agent）理解为替用户完成任务、在数字和物理环境中行动的系统，而不是只用自然语言作答的助手^[1]。这个区别决定了系统要怎么造：助手的产出是文字，智能体的产出是别的程序或界面里的变化——填好的输入框、选中的日期、被关掉的弹窗——而且要一直推进到任务完成或失败为止。

这件事难在大部分网页软件是给人看着屏幕用的。按钮会移动，菜单会开合，弹窗会在不合适的时刻冒出来。事先写好的脚本在页面第一次改动时就失效；让模型来操作浏览器，则要一步一步判断该点什么。

发布的是什么

亚马逊于 2025 年 3 月 31 日发布 Nova Act^[1]。它以研究预览（research preview）的形式面向开发者提供，而不是正式发行版^[1]。研究预览一般指软件先开放给一部分开发者使用，并明确其行为和接口仍会变化——既让人在系统定型之前就能基于它开发，也从真实使用中收集反馈。

它是怎么做的

设计上的选择是把工作流拆成原子化、可测试的命令，开发者可以把这些命令与 Python 代码交替编写^[1]。所谓原子化，是指每条命令只做一件小事——选一个日期、从下拉菜单里挑一项、关掉一个弹窗——这样它的成败可以单独检查，而不是埋在一整段不透明的长流程里。所谓交替，是指外层程序就是普通代码：循环、条件判断、数据处理和日志都用 Python 写，只在页面太不规则、固定脚本处理不了的地方插入由模型驱动的步骤。

这是两个极端之间的中间路线。完全写死的脚本又快又稳定，但很脆；把「把这件事办完」一句话交给模型很灵活，却难以调试。把工作切成可核对的步骤之后，开发者能清楚看到是哪一步失败，并在它周围写普通代码。

报告的结果

亚马逊称，在日期选择、下拉菜单、弹窗等能力上的内部评测中，成绩高于 90%^[1]。这些正是最容易让自动浏览失败的小交互，也是原子命令这套设计针对的对象。这个数字来自亚马逊自己的评测，而不是独立的第三方基准，因此它描述的是公司自己测得的水平。

第一个公开用途

它的第一个公开用途是在 Alexa+ 内部：当某个服务缺少所需的 API 时，由它去浏览互联网完成操作^[1]。API（应用程序接口，application programming interface）是一个服务提供给其他软件直接调用的通道；如果没有这样的通道，唯一能进去的路就是人用的那个网页，通过浏览器访问。这种「没有直接通道、只有面向人的界面」的情况，正是智能体软件要处理的问题。

它在发展中的位置

亚马逊把这次发布描述为一条更大的训练课程中的一个早期检查点，这条课程用强化学习（reinforcement learning）推进^[1]。笼统地说，强化学习是通过多次尝试，对有效的做法给予奖励、对无效的做法予以惩罚，从而改进系统；称之为早期检查点，意味着公司预期后续版本会沿着同一过程继续训练下去。

产品页面后来把这项服务描述为在 AWS 基础设施上大规模运行成批的智能体，并通过 Bedrock AgentCore 部署^[2]。这个说法把话题从开发者工具移到了基础设施：大量智能体同时运行，经由亚马逊的云端智能体平台部署。把两种描述放在一起看，Nova Act 位于一条从面向个人开发者的研究预览、通向云端托管智能体工作负载的路线之上。