一句话结论：Amazon 于 2025 年 3 月 31 日发布的 Nova Act，是当时少数真正「能动手」的通用智能体——它不满足于回答你的问题，而是直接在真实浏览器里替你点按钮、填表单、选日期、提交订单，并同步开放 SDK，让开发者把这套执行能力嵌进自己的产品。
Nova Act 是什么：Amazon AGI Lab 的浏览器执行型智能体
Nova Act 由 Amazon AGI Lab 开发，团队由前 OpenAI 成员 David Luan 与 Pieter Abbeel 领衔。它的定位很明确：做一款能够理解自然语言指令、并在无需人工干预的情况下完成多步骤网页任务的智能体。官方列举的任务形态包括网页搜索、自动化购物、日程安排等。
要理解它的特殊性，可以先区分两类 AI：一类是「会说」的模型，给你一段建议或代码；另一类是「会做」的智能体，能真正驱动工具把事情办完。Nova Act 属于后者，它的输出不是一段文字，而是一串浏览器动作。
和聊天式 AI 的本质区别
聊天式模型的工作终点是「答案」，你需要自己把答案变成操作；而 Nova Act 的工作终点是「结果」，中间的点击、输入、滚动、校验全部由它自己完成。这个差别决定了它能覆盖的任务边界——只要一个任务能在一个浏览器窗口里完成，它就具备被自动化的可能。
核心能力拆解
一、真实网页操控
Nova Act 具备操作真实网页的能力，可模拟点击、输入、滚动等人类行为，因此能自动完成一系列复杂任务。官方明确的动作包括点击、填写表单、选择日期、提交信息等，这些恰是网页交互中最常见、也最容易出错的环节——尤其是日期选择器和多级表单，往往是传统脚本最容易卡住的地方。
二、无头浏览器支持
Nova Act 可在无界面模式下运行，支持后台自动化执行。对企业级应用与开发者原型来说，这一点非常关键：任务不必占用一个可见的桌面窗口，可以在服务器端批量、定时、并发地跑，也更容易接入既有的调度系统。
三、Nova Act SDK
Amazon 同时推出了 Nova Act SDK，允许开发者在自己的应用中集成这一智能体。SDK 的意义在于把「网页执行」从单一产品变成可复用组件——你可以只调用其中一段流程，而不必让它接管整个任务，这让它在真实业务里的可控性大幅提升。
性能表现：ScreenSpot WebText 成绩超过同类方案
据 Amazon 公布的信息，Nova Act 在其内部 ScreenSpot WebText 测试中表现优异，成绩超过 OpenAI Operator 与 Anthropic Claude 等相关方案。需要注意的是，这是一项由 Amazon 自行组织并公布的评测，侧重的是「在真实网页上定位并操作元素」的能力，与通用推理榜单并不等价，读取时应留意其口径与可比性。
| 对比维度 | Nova Act | 通用聊天模型 | 传统 RPA 脚本 |
|---|---|---|---|
| 任务形态 | 自然语言指令驱动，多步骤自主执行 | 输出文字答案，需人工落地 | 固定规则流程，需人工编排 |
| 网页适应性 | 理解页面语义，可应对页面变化 | 不直接操作页面 | 依赖选择器，页面改版即失效 |
| 运行方式 | 支持无头浏览器后台执行 | 不适用 | 多为定时或触发式执行 |
| 可扩展性 | 提供 SDK，可嵌入自有产品 | 以 API 调用为主 | 通常封闭于厂商平台 |
| 适合场景 | 非结构化、跨页面的复杂任务 | 咨询、写作、分析 | 规则稳定、高频重复的流程 |
四类典型应用场景
网页任务自动化
从电商下单到填写表单，Nova Act 可以执行多种常见网页操作。对需要跨多个网站比价、下单、登记信息的个人或小团队来说，这类任务过去往往要人工逐站处理，现在可以交给智能体循环执行，人只负责最终确认。
为 Alexa+ 补上「执行」这一环
Nova Act 被定位为 Alexa+ 的执行引擎，可把语音指令转化为实际网页操作，实现从语音到行动的闭环。这意味着语音助手不再只能播报信息，而是能替你把事情办了——这是智能助手从「问答」走向「办事」的关键一步。
企业流程自动化
Amazon 给出的方向包括人力资源管理、财务审批等后台任务，目标是替代传统的 RPA 工具。与传统 RPA 相比，智能体方案的价值主要在于容错：页面改版、字段微调时，它有一定的理解与自我调整空间，而不是直接报错中断。
开发者平台集成
开发者可通过 Nova Act SDK 快速集成智能体功能，创建自动化工具或智能助手。对于已经在做垂直 SaaS 的团队，这意味着不必自建浏览器自动化基础设施，可以把精力放在业务流程本身。
落地前需要想清楚的三件事
第一，权限边界。让智能体在真实网页上点击，等于把一部分操作权交给了它。涉及支付、删除、对外提交的动作，建议保留人工确认环节。
第二，任务可观测性。多步骤任务一旦失败，定位成本很高。接入时应保留每一步的截图或操作日志，否则排障会非常痛苦。
第三，成本结构。智能体执行是按步骤消耗 token 的，高频、超长的流程费用并不线性可控，需要先小规模试跑再放量。
常见问题（FAQ）
Nova Act 和传统 RPA 工具相比，优势到底在哪？
核心差异在于「对页面变化的理解能力」。RPA 依赖固定的选择器与规则，页面一改版脚本就失效；Nova Act 依据页面语义定位元素，面对改版、弹窗、字段顺序调整时仍有较大概率自行完成，维护成本明显更低。
个人用户现在能用上 Nova Act 吗？
Nova Act 面向开发者与企业开放，普通用户主要通过两个途径接触：一是作为 Alexa+ 的执行能力被间接使用，二是使用集成了 Nova Act SDK 的第三方应用。直接以终端产品形态使用的门槛仍偏高。
开发者接入 Nova Act SDK 的成本高吗？
如果已有 Python 工程，接入成本主要集中在任务描述与环境配置两部分：把业务流程拆成清晰的自然语言指令，并准备好可被无头浏览器访问的登录态。真正的难点通常不在 SDK 本身，而在任务拆解的颗粒度。
小结
Nova Act 的价值不在于又多了一个聊天模型，而在于把「理解意图」和「真实执行」接在了一起。它给出的信号很清晰：AI Agent 的竞争重心，正从能不能说清楚，转向能不能把事办完。对开发者而言，值得关注的不是它今天跑了多少分，而是「网页执行」正在成为一种可被 SDK 调用的基础设施——这才是后续产品形态变化的起点。