ChatGPT Atlas：9 个实用浏览器自动化的上手指南

示例 1：基础搜索工具

在浏览器内，我尝试了一个非常基础的功能：“搜索”。与其他浏览器不同，Atlas 还能提供多种搜索选项。

提示词：为万圣节提供一些惊悚点子

您甚至可以开启记忆，并说“记住我更喜欢低预算的装饰点子”，以获得符合您预算的建议。

Atlas 会返回聊天摘要，并提供搜索、图片、视频与新闻等标签页，方便您在不丢失上下文的情况下切换。与 Google 的新 AI 模式类似，Atlas 也会给出 AI 生成的入门摘要，以及其他可点击内容。

示例 2：网页搜索好餐厅

接着，我测试了它寻找好餐厅并进行预订的能力。

提示词：查找离我最近、评分高、适合今晚的餐厅。包含菜系与价格筛选。推荐 3 家并附上菜单与预订链接。

我甚至让它为两人订位，以测试其处理复杂任务的能力。以下是结果：

提示词：在 Mannat Haveli 预订两人餐位

这次效果不佳。虽然浏览器提供了联系方式，但不同于 Google 的“订位”功能可基于简短问答自行完成预订，这个浏览器无法自行完成预订。一个主要原因可能是我没有授予其 Agent 模式的访问权限。

示例 3：职位搜索

另一项耗时任务是寻找匹配的岗位，并附上申请链接和可内推的联系人。我用以下提示让 Atlas 处理：

提示词：帮我找在印度的 AI/ML 职位，并附上申请链接

这是后续提示：

提示：同时帮我找每家公司可联系进行内推的人。

Atlas 返回了一份简短的相关联系人清单（姓名、职位与公司），并带有 LinkedIn 来源标签，附上一条快速外联建议，还可按需获取其他公司的更多信息。对于发现与初筛来说，它既快速又有用。

不过也有局限：您仍需打开 LinkedIn，确认个人资料，并个性化外联。我会把这份清单当作起点，而非确凿事实。您可以查看我用 Gemini 2.5 Computer Use 构建的求职代理以作对比。

示例 4：事实核查

每天都有大量新闻涌现，我想测试 Atlas 内置事实核查器的表现。因此，我让它为我核查一则新闻：

提示词：我听说排灯节后金价会暴跌。现在是买金的好时机吗？

Atlas 在这里作为事实核查者表现不错。它调取了印度近期相关报道，且引用了多家主流来源。

不过，如果能更醒目地显示发表日期，并在相关时加入一些价格图表，进行快速合理性检验，会更好。

作为对比，我在Perplexity Search API 教程中构建了一个更好的事实核查器。

示例 5：Agent 模式

在这次实验中，我用 Agent 模式尝试了一个提示。需要注意的是，开启 Agent 模式会出现“可能带来风险”的对话框（已登录与未登录选项）。已登录可加快您已认证站点上的任务，但增加暴露面；未登录则限制访问，更适合敏感流程。

提示词：我想在今年年底前变得更健康。请帮我找到素食中每天能提供至少 30–40 克蛋白质，同时有足够膳食纤维和碳水的食物。

Atlas 作为研究副驾表现出色，调取了最新来源（BBC Good Food、Medanta、EatingWell），并返回了一张整洁的表格，包含每份蛋白质含量与使用说明。接下来，我尝试把其中一些食材加入购物车。

示例 6：Agent 模式下的购物

在 Atlas 推荐了高蛋白素食食材后，我让它打开实际产品页面并收集直达购买链接。

提示词：提取上一条回复中的所有产品链接

Atlas 开始为每个项目（牛奶、帕尼尔奶酪等）打开标签页，然后在侧边栏构建了一张清晰的表格，包含产品、描述与链接列。它展示了运行日志，我可以看到每一步的导航。

对于它能找到的项目，链接是准确的，并且从产品页面抓取的备注也很有用（每份蛋白质含量、使用建议）。

不过，它有时会跳过部分变体和一些特定地区的商店。追加一句“如有，请包含 Amazon/BigBasket”会有帮助。

示例 7：学习与复习

很多人把 ChatGPT 当作导师来理解概念或解决问题。因此，我在 Atlas 浏览器中用“学习与复习”模式进行了测试。

提示词：我很难理解最小生成树的概念。请用可视化方式帮助我理解这个主题

它按步骤生成了课程，并包含示例图的内嵌可视化与示意图。还提供了小测与反思题，以及可复制的代码块供实验。

示意图较为基础，若能提供 SVG/交互画布切换，将有助于学习者更清晰地理解。

示例 8：深度研究

为了进行一次真正的“研究助理”测试，我在一个横跨机器学习、隐私与密码学的系统问题上，使用了 Atlas 的深度研究流程。我让标签页保持打开，并由 Agent 模式统筹搜索、打开论文、综合生成长篇简报。

提示词：设计一个端到端系统，将联邦学习（FL）、差分隐私（DP）和安全聚合（SecAgg）结合起来，实现设备端个性化，并能量化隐私/效用权衡。

草稿包含架构概览、协议流程、威胁模型、隐私核算（ε/δ 讨论）、指标以及部署清单。它在撰写过程中引用了论文、规范与博客文章，因此我可以在摘要仍在生成时直接跳转到来源。

示例 9：将 YouTube 讲座转为摘要

最后一个实验中，我向 Atlas 传入一条 YouTube 视频链接，并让它生成简明摘要。

提示词：观看这段 YouTube 访谈：https://www.youtube.com/watch?v=lXUZvyajciY

请用 5–7 个要点，清楚、简洁地总结 Andrej Karpathy 关于 AGI 时间线、强化学习/自动驾驶、以及教育/LLM 的主要观点。

随后我补充了一些来自视频描述的上下文，它返回了如下结果：

Atlas 无法直接在聊天窗格中打开 YouTube 链接，因此会要求提供视频字幕，或频道名称以便其自行获取字幕。

在我提供了描述中的上下文后，它生成了涵盖 AGI 时间线、对强化学习的批评、自动驾驶阻力、LLM 局限与教育启示的要点式摘要。

不过，它引用的来源并非原始 YouTube 视频，这一步额外操作稍显拖沓。

结论

ChatGPT Atlas 将搜索、聊天、页面上下文与轻量自动化集于一体，表现出色。它明显减少了复制粘贴的反复操作，缩短了从问题到结果的路径。

在研究、比价购物、学习与长文综合等方面表现突出，能在不丢失上下文的前提下贯通聊天、链接、图片、视频与新闻。

然而，也存在一些粗糙之处：复杂交易仍需监督；Agent 模式偶尔会错过地区变体；学习流程中的示意图较基础；YouTube 摘要效果不佳；Agent 无法运行代码或安装扩展。深度研究虽全面，但可能耗时。

总的来说，对于那些受益于“页面感知式”辅助的日常任务，Atlas 已经让人感觉比传统浏览器更胜一筹。