Rabbit 在 10 月发布了 OS3，将 Agent 操作系统从硬件 r1 搬到了网页和移动端。用户现在可以直接在浏览器里对话调用，不再需要购买专用设备。
这个变化值得关注，因为它反映了 Agent 交互入口的一次重要调整。r1 硬件曾经承载 Rabbit 对自然语言操作系统的设想：用户说出想办成的事，Agent 自己寻找办法完成任务，而不是让人记住命令格式。创始人吕骋将这种理想描述为”人说要有光，就有了光”的交互方式。但硬件设备的体验问题和购买门槛，限制了这一设想的验证范围。
OS3 将同一套能力放进浏览器，降低了试用成本，也让 Rabbit 能够更快收集反馈、迭代功能。对开发者来说，这意味着 Agent 能力不必绑定特定硬件，可以通过标准网页接口接入现有工作流。对用户来说，不需要额外设备，就能测试这种”说出任务让 Agent 自己找办法完成”的交互模式是否真的比传统命令更高效。
我的判断是，这次调整让 Rabbit 的核心主张——自然语言任务理解与执行——回到了更容易验证的环境。浏览器降低了试错成本，用户可以直接判断 Agent 是否真的理解了任务意图，是否找到了有效的执行路径，以及在哪些场景下这种交互方式确实比手动操作更省时间。
如果要评估 OS3 是否适合自己的场景，可以从以下几点入手：
先选一个重复频率高、步骤固定但麻烦的任务，比如定期从多个网站收集数据、批量处理表单、或者跨平台同步内容。用自然语言描述这个任务，看 Agent 能否理解意图并找到执行路径。如果第一次失败，调整描述后再试一次，记录需要多少轮对话才能让 Agent 完成任务。
然后对比手动操作和 Agent 执行的时间成本。如果 Agent 需要三轮对话才能理解任务，每轮对话 30 秒，加上等待执行的时间，总共用了 5 分钟，而手动操作只需要 3 分钟，那么这个场景下 Agent 并不划算。但如果任务本身需要 20 分钟手动操作，而 Agent 在 5 分钟内完成，那就是有效的时间节省。
最后确认 Agent 的执行结果是否可靠。检查输出数据的完整性、格式是否符合预期、是否遗漏了某些步骤。如果每次都需要人工检查和修正，那么 Agent 只是将操作成本转移到了验证环节，并没有真正减少工作量。
Rabbit OS3 让 Agent 能力从硬件回归到浏览器，降低了试用门槛，也让自然语言任务执行的主张可以在更广泛的场景中接受检验。是否真的比传统操作更高效，需要在实际任务中测试和验证。
参考资料
完整版日报请看 爱窝啦 AI 日报