ChatGPTChrome插件升级，可读取并操作当前打开的标签页，支持表单填写与任务自动化

OpenAI近期对其Chrome浏览器扩展程序进行了重要更新：安装该插件后，ChatGPT可在用户授权下读取当前打开的Chrome标签页内容，并基于这些信息执行具体任务。这一能力并非全新概念——此前Google Gemini已通过“Auto Browse”实现类似功能——但对ChatGPT生态而言，这是首次将浏览器上下文深度整合进其交互流程。

此次升级的核心在于“@chrome”指令机制。当用户在ChatGPT网页版或桌面应用中提及“@chrome”，系统即会触发对当前Chrome会话的访问权限请求（需用户手动确认）。一旦授权，AI即可提取多个标签页中的文本、表格、链接等结构化信息，并据此完成复杂指令。OpenAI官方列举了若干典型场景：例如，用户打开三个沙发选购页面后，可要求ChatGPT对比参数并生成推荐摘要；又如，将多个供应商页面内容汇总至Excel比较表，自动填充价格、核心功能与来源链接；再如，根据数个承包商服务页信息，起草一封定制化邮件并指定收件人。

更进一步的是，该扩展还强化了侧边栏（sidebar）版ChatGPT的功能。新版sidebar不仅保留完整对话历史与工作区（Work）上下文，还支持“控制”Chrome标签页执行动作，包括发送消息、填写表单、下载文件，甚至对打开的标签页进行分组管理。这标志着ChatGPT从“被动问答”向“主动代理”迈出了关键一步——它不再仅是信息检索工具，而开始具备轻量级自动化执行能力。

图中展示的是一个实际工作流示例：左侧为Navan差旅报销系统的支出明细表，右侧为ChatGPT对话窗口。用户指令为“提交我的HotHouse瑜伽收据，请从邮箱获取”，系统随即调用Gmail与Browser工具，在未离开当前页面的前提下完成收据查找、提取与提交动作，并同步更新报销记录。整个过程无需手动切换应用，也无需复制粘贴。

值得注意的是，该功能并非默认开启，且所有标签页访问均需显式授权。OpenAI强调，数据处理在本地完成，仅元数据（如URL、标题、文本片段）经加密传输至服务器用于推理，原始页面内容不会被长期存储。这一设计回应了用户对隐私的普遍关切，也符合主流浏览器扩展的安全规范。

从技术路径看，该能力依赖于Chrome扩展的tabs和activeTab权限接口，结合OpenAI的多模态理解模型（如GPT-4o）对网页DOM结构的解析能力。相比早期仅能截取当前页面快照的方案，新版支持跨标签页关联分析——例如识别同一产品在不同电商页面的规格差异，或追踪某事件在新闻、论坛、官网三处表述的一致性。

行业观察指出，此类“浏览器智能代理”正成为大模型落地的关键战场。除OpenAI外，Perplexity、Claude及Microsoft Copilot均已推出不同程度的网页集成方案。其中，Google Gemini的Auto Browse因深度绑定Chrome原生能力，在表单自动填充与动态页面交互上略占优势；而ChatGPT的优势在于其强大的长上下文记忆与工作流编排能力，尤其适合需要多步骤、跨应用协同的任务。

以企业场景为例，一名采购专员可能同时打开供应商A的产品页、B的报价单、C的合同模板，传统方式需反复复制粘贴比对；现在只需一句“把这三个页面的关键条款列成对比表，并标出交货期差异”，ChatGPT即可输出结构化结果。类似地，财务人员可让AI扫描报销相关标签页，自动匹配发票与行程单，减少人工核验错误。

不过，该功能仍存在明显局限。首先，对JavaScript动态渲染内容的支持尚不稳定——部分SPA（单页应用）页面的实时数据可能无法被准确抓取；其次，非英文页面的语义理解精度下降，尤其涉及专业术语或地域化表达时；第三，目前不支持对PDF、图片等非HTML资源的直接解析，需依赖额外插件配合。

此外，权限管理机制虽较完善，但普通用户仍可能因误操作授予过度权限。例如，若用户在登录银行页面时触发“@chrome”指令，AI理论上可读取账户余额等敏感字段（尽管OpenAI声明不会主动提取此类字段）。因此，安全教育与权限细化仍是后续迭代重点。

从产品演进角度看，此次更新可视为OpenAI对“Atlas浏览器”项目终止后的替代策略。2024年推出的Atlas曾试图打造独立AI浏览器，但因用户习惯难以迁移而搁置；转而深耕Chrome生态，则更易触达现有用户群。数据显示，截至2026年Q3，ChatGPT Chrome扩展全球装机量超8700万，日活用户约2100万，是其仅次于官方网页端的第二大入口。

值得玩味的是，微软与Google也在同步推进类似能力。Windows 11 24H2内置的Copilot+ PC支持“屏幕感知”任务代理，而Google Chrome 130版本即将上线的“Gemini Sidebar”将进一步压缩人工干预环节。三方竞争已从模型性能转向“上下文理解深度”与“执行可靠性”的比拼。

对开发者而言，该趋势意味着浏览器扩展正从“辅助工具”升格为“智能体载体”。未来API或将开放更多控制权限，如允许AI在用户监督下点击按钮、滚动页面、甚至模拟键盘输入。但随之而来的伦理问题——例如AI代写邮件是否构成欺骗，自动提交表单是否绕过风控——亟需行业共识与监管框架跟进。

目前，该功能已面向所有ChatGPT Plus与Team订阅用户开放，免费用户暂不可用。OpenAI表示，后续将根据反馈逐步扩展对Firefox、Safari的支持，并探索与Outlook、Notion等办公平台的深度联动。

技术演进没有终点，但每一次微小的交互改进，都在悄然重塑人机协作的边界。当AI不仅能“知道”你正在看什么，还能“帮你做完”接下来要做的事，我们离真正的数字助手时代，又近了一步。