计算机使用、技能API和文件API现已在Claude平台全面开放。计算机使用功能新增了一个浏览器使用工具,专为在网页应用中工作的智能代理设计。三者结合,能够帮助你构建能够操作软件、应用团队专业知识并返回完成文件的智能代理。

在Claude平台上构建智能代理

计算机使用功能允许你创建能够操作其可见软件的智能代理。代理通过截图,模拟键盘操作进行点击、输入和滚动,从而实现对未专门设计为自动化的软件的操作。新增的浏览器使用工具将此能力扩展至网页应用。代理除了分析截图外,还能读取网页结构,针对特定字段或按钮进行操作,而非仅凭屏幕坐标点击。

技能API和文件API则为代理提供了专业知识和文档支持。技能是包含指令、脚本和模板的文件夹,Claude仅在任务需要时加载。通过技能API,你可以上传并管理技能版本,然后将其附加到任何请求中。技能在Claude的代码执行沙箱中运行,无需你自行托管。文件API则作为代理读取和写入文档的存储空间:你只需上传一次PDF或电子表格,后续请求通过ID引用,无需重复发送,同时还能下载代理生成的文件。

举例来说,假设你构建了一个理赔代理。它从文件API读取理赔申请文档,按照团队的理赔流程技能执行操作,利用浏览器使用工具在保险公司网页门户完成提交,并将确认文件保存回文件API。代码执行和网页搜索功能也已全面开放,可集成到同一工作流程中。

全面开放的新功能亮点

  • 计算机使用:更新后的计算机使用工具支持每轮多次操作,减少模型调用次数和任务完成时间。同时,计算机使用现已支持符合HIPAA规定的工作负载,适用于我们的业务伙伴协议(BAA)。
  • 浏览器使用工具:作为计算机使用的新功能,支持多次操作轮次,增加了网页结构识别,使代理能更准确地定位网页元素,而非仅依赖像素坐标。
  • 技能API:提供更简洁的接口,方便上传和版本管理自定义技能。
  • 文件API:新增自动文件过期功能,提升5倍的速率限制,每个组织可享有1TB存储空间。