过去一年，大模型 Agent 的能力边界正在从会聊天、会写代码，快速扩展到会使用真实软件。其中最典型的场景，就是让大模型直接操作 Chrome 浏览器：打开网页、阅读内容、点击按钮、填写表单、上传文件、下载资料，甚至完成跨网页、多步骤的复杂任务。