Claude เติมเต็มชิ้นส่วนสุดท้ายของ Agent: ตอนนี้สามารถควบคุมคอมพิวเตอร์และเบราว์เซอร์ได้โดยตรง

動察 Beating AI ข่าวด่วน Anthropic เปิดตัวอย่างเป็นทางการให้ Claude มีความสามารถในการควบคุมคอมพิวเตอร์และเครื่องมือเบราว์เซอร์ ก่อนหน้านี้ทุกครั้งที่ Claude ทำการคลิกเมาส์ พิมพ์ข้อความ หรือดำเนินการใดๆ จำเป็นต้องเรียกใช้โมเดลใหม่ทุกครั้ง ตอนนี้มันสามารถดำเนินการคลิก พิมพ์ กดปุ่ม และจับภาพหน้าจอได้อย่างต่อเนื่องภายในงานเดียว

เครื่องมือเบราว์เซอร์เวอร์ชันใหม่ไม่ได้พึ่งพาเพียงการจับภาพหน้าจอเพื่อค้นหาปุ่มอีกต่อไป แต่ยังอ่านโครงสร้างเว็บเพจและข้อมูลภาพพร้อมกัน สามารถดำเนินการกับเว็บเพจได้โดยตรงตามองค์ประกอบของหน้า เมื่อเจอการเปลี่ยนแปลงของเลย์เอาต์เว็บเพจ ก็จะไม่ล้มเหลวง่ายๆ เนื่องจากการเปลี่ยนตำแหน่งของปุ่ม

Anthropic เปิดตัว Skills API และ Files API พร้อมกัน นักพัฒนาสามารถ encapsulate กระบวนการขององค์กรเป็น Skill ที่นำกลับมาใช้ใหม่ได้ ให้ Claude ดำเนินงานตามขั้นตอนที่กำหนดไว้ และหลังจากอัปโหลดไฟล์แล้ว ก็สามารถนำกลับมาใช้ซ้ำได้ข้ามคำขอ