这项由德国达姆施塔特工业大学的Sven Schultze、Meike Kietzmann、Nils Lucas Schoenfeld和Ruth Stock-Homburg构成的辩论团队完成的摧毁性辩论发表于2025年11月，论文编号为arXiv:2511.11287v1，为治理AI智能体与网页交互的根人性问题提供了全新决策。有兴味深入了解的读者不错通过该论文编号查询完整论文。

现辞宇宙，东谈主工智能正在当年所未有的速率融入咱们的日常生涯。从智能助手到自动驾驶，AI照旧在好多鸿沟展现出惊东谈主的才略。然则，当AI试图像东谈主类一样浏览和操作网页时，却遭受了出东谈主猜测的贫寒。这就像让一个从未见过标的盘的外星东谈主开车一样——它们必须先估计每个按钮和操控安装的作用，然后注意翼翼地尝试操作，平日出现误操作或根底无法完成任务。

现在的AI智能体在浏览网页时，就像一个戴着厚厚眼镜的东谈主在雾天开车。它们需要劳苦地分析网页截图，估计各式按钮的功能，然后反复试错才能完成一个浅易的操作。更倒霉的是，当网页发生轻微变化时，这些AI就像一刹换了一辆绝对不同的车，又得从新学习统共操作。这种粗劣的交互方法不仅着力低下，还存在严重的安全隐患——AI可能会偶而拜谒用户的私东谈主信息，或者实践失实的操作。

达姆施塔特工业大学的辩论团队真切意志到这个问题的中枢：现在的网页是有益为东谈主类设计的，而AI却被动妥当这种东谈主类专用的界面。这就像将就一台洗衣机去读懂为东谈主类写的洗衣阐述书，而不是给它提供有益的机器教导一样无理。

为了澈底治理这个问题，辩论团队开发了VOIX框架，这是一个改革性的治理决策，它让网页大致平直"告诉"AI该怎样与它们交互。VOIX的核神志念浅易而强劲：与其让AI劳苦估计网页功能，不如让网页开发者明确声明哪些功能不错供AI使用，以及怎样使用这些功能。

一、VOIX框架的核神志念

VOIX框架就像为网页和AI之间建立了一座纵贯桥梁。在传统方法中，AI就像一个不会说当地说话的搭客，只可通过不雅察和估计来融会如安在生分城市中导航。而VOIX则为这座城市提供了清亮的路标和教授牌，用AI大致融会的"说话"平直告诉它每条路通向那儿，哪些场地不错去，哪些场地弗成去。

这个框架的关键创新在于引入了两个新的HTML元素：和标签。这些标签就像网页的"使用阐述书"，但不是写给东谈主类看的，而是有益为AI准备的。标签告诉AI这个网页上有哪些功能不错使用，就像告诉一个新职工公司里有哪些器用不错使用一样。标签则提供面前网页的现象信息，让AI知谈现在的情况是什么样的，就像告诉职工面前项主见程度一样。

VOIX的架构设计特地玄妙，它将包袱分拨给三个不同的参与者。最初是网站自己，它就像一个憨厚的商店雇主，明晰地表明店里有什么商品，每样商品奈何使用，什么价钱。网站认真声明我方的功能和面前现象，并已毕具体的业务逻辑。其次是浏览器代理，它就像一个翻译官，认真采集网站提供的信息，整理成AI大致融会的时势，然后在AI和网站之间传递音讯。临了是推理提供商，也即是大说话模子，它就像一个理智的主顾，凭据收到的商品信息作念出决定，选拔合适的商品和参数。

这种单干设计的妙处在于，它创造了清亮的信任鸿沟。用户的对话内容平直发送给他们选拔的AI服务提供商，网站永恒看不到用户说了什么。同期，AI只可看到网站明确允许它看到的信息和功能，无法拜谒敏锐数据。这就像在银行办业务时，你和银行职员的对话不会被灌音斥地听到，而银行职员也只可拜谒你授权的账户信息一样。

二、时间架构的玄妙设计

VOIX框架的时间架构就像一个尽心设计的三层蛋糕，每一层皆有其独有的作用，同期又完好意思地相沿着上头的脉络。

在最底层，咱们有网站层。这一层就像蛋糕的基础海绵蛋糕层，为统共这个词系统提供坚实的基础。网站开发者在这里使用浅易的HTML标签来声明他们的网站大致提供什么服务。比如，一个待服务项诓骗可能会声明："我这里有一个添加任务的功能，你需要提供任务标题和优先级，我就能帮你创建一个新任务。"这种声明方法就像餐厅菜单一样直不雅——每谈菜皆闻明字、描写和所需的配料。

网站开发者只需要在他们的HTML代码中添加这些新标签，然后编写相应的JavaScript事件处理标准来反应AI的肯求。这个过程就像给家用电器添加遥控功能一样浅易——你不需要从新设计统共这个词电器，只需要添加一个收受器和一些反应标准。

中间层是浏览器代理层，它就像蛋糕中间的奶油层，起到一语气和润滑的作用。这一层的主要任务是扫描网页，发现统共可用的器用和高下文信息，然后将这些信息整理成AI大致融会的时势。它还认真在AI作念出决定后，将教导传达给网站实践。这个过程就像一个优秀的文书，既要理罢黜主的意图，又要准确传达给下属实践。

辩论团队提供的参考已毕是一个Chrome蔓延标准，它就像一个全能遥控器，不错与任何提拔VOIX的网站进行交互。这个蔓延标准不仅提拔笔墨聊天，还提拔语音交互，以致包括一语气对话功能。用户不错像和一又友聊天一样当然地与网页交互，而不需要学习复杂的操作方法。

最表层是推理提供商层，这就像蛋糕顶部的消除层，固然看起来丽都，但内容上承担着最遑急的决策功能。这一层由大说话模子构成，它收受来自浏览器代理的信息，融会用户的当然说话教导，然后决定应该调用哪个器用以及使用什么参数。这个过程就像一个训诲丰富的厨师，凭据主顾的口味描写选拔合适的食谱和配料。

这种架构设计的最大上风在于它的生动性。用户不错选拔使用绝对腹地化的决策——比如使用开源浏览器蔓延配合腹地驱动的AI模子，确保所稀有据皆不离开我方的电脑。他们也不错选拔使用强劲的云表AI服务来获取最好性能。企业用户以致不错部署定制的治理决策，整合他们的单点登录系统和里面AI服务。

三、内容诓骗的精彩阐发

为了考据VOIX框架的内容后果，辩论团队组织了一场为期三天的黑客马拉松行为。这就像举办一场创新烹调比赛，邀请不同水平的厨师用同样的器用和食材创作出各式可口好菜。

参与此次行为的16名开发者来自不同的时间配景，就像邀请了重外行到行家的各式水平的参与者。其中18%的东谈主觉得我方是高档开发者，41%觉得我方有塌实的基础，29%说我方只掌捏基本手段，还有12%绝对莫得干系训诲。这万般种化的手段分散恰恰不错测试VOIX框架是否果然像辩论团队宣称的那样容易学习和使用。

行为以内容创动作主题，这就像给统共参与者设定一个共同的挑战：用通常的器用创作出各自独有的作品。经过三天的开发，六个团队差别创造出了令东谈主印象真切的诓骗标准。

其中一个团队开发了创意责任室诓骗，这就像一个智能画板，用户不错通过语音教导进行图形设计。用户只需要说"添加一个蓝色三角形"，系统就会在画布上创建相应的图形。更真理的是，用户还不错先用鼠标点击一个图形，然后说"把这个旋转45度"，系统就能融会用户指的是哪个图形，并实践相应的操作。这种交互方法就像有了一个懂你心念念的助手，你只需要指指点点说几句话，它就知谈你想要什么。

另一个团队创建了健身诓骗，它大致凭据用户的当然说话描写生成完整的锤真金不怕火缱绻。当用户说"为我的背部和肩膀制定一个高强度的全周锤真金不怕火缱绻"时，诓骗会自动选拔合适的通顺神志、组数和类似次数，生成一个完整的健身决策。这就像有一个专科的私东谈主耕作，不仅融会你的需求，还能立即制定出科学合理的锤真金不怕火缱绻。

还有团队开发了音景创作器用，用户不错通过描写来创建环境音效。比如说"让它听起来像雨林"，诓骗就会自动调遣各式音效滑块，创造出相应的音效环境，同期还会生成匹配的图像。这种诓骗展现了VOIX框架在创意鸿沟的盛大后劲。

神志握住器用、操心卡片制作器和变装演出游戏创建器等其他诓骗同样精彩，每个皆展示了VOIX框架的不同方面的才略。这些诓骗的奏凯开发诠释了VOIX不仅时间上可行，并且大致激励开发者的创造力。

辩论团队通过标准化的可用性问卷对参与者进行了评估。系统可用性量表的平均得分为72.34分，超越了行业平均水平68分，表明开发者精深觉得VOIX框架易于学习和使用。更遑急的是，自动化系统信任测试炫夸，参与者不仅融会了VOIX的功能，并且对其可靠性充满信心。

四、性能上风的惊东谈主对比

为了真实展示VOIX框架的上风，辩论团队进行了一场"速率竞赛"，将VOIX与面前市面上的主流AI网页交互器用进行了平直对比。这场比赛就像让不同的交通器用在销毁条阶梯上竞速，终结令东谈主战抖。

测试触及三个不同的诓骗场景：创意责任室、健身诓骗和神志握住器用。在每个场景下，辩论团队设计了多个具体任务，检朴单的"添加蓝色三角形"到复杂的"创建全周高强度锤真金不怕火缱绻"。

测试终结就像龟兔竞走的当代版块，但此次兔子果然跑赢了。在创意责任室的测试中，VOIX完成"添加蓝色三角形"任务只需要2.32秒，而Perplexity Comet需要27.21秒，BrowserGym需要25.29秒。更惊东谈主的是，在"旋转绿色三角形90度"这个任务中，VOIX只用了1.11秒，Comet需要89.12秒，而BrowserGym以致无法完成任务。

最戏剧性的对比出现在健身诓骗的测试中。当条目"创建全周高强度锤真金不怕火缱绻"时，VOIX用了14.38秒就完成了任务，Comet需要229.52秒（快要4分钟），而BrowserGym居然需要1271秒（超越21分钟）。这种差距就像比较骑自行车和步行到达销毁个主观点的时期一样盛大。

这种性能各异的根底原因在于架构理念的不同。传统的AI网页交互器用就像一个盲东谈主摸象，需要持续地"看"网页截图，估计每个元素的功能，然后注意肠尝试点击。每一步皆需要AI进行复杂的视觉识别和推理，然后恭候网页反应，再进行下一轮分析。这个过程就像让东谈主闭着眼睛在生分房间里找东西，既慢又容易出错。

比较之下，VOIX就像为AI提供了一张详备的房间布局图和物品清单。AI不需要估计，平直知谈每个器用在那儿，奈何使用。这种平直性带来的速率提高是改革性的。

辩论团队指出，在多模态交互中，反当令期对用户体验至关遑急。东谈主类感知"瞬时"反应的阈值是100-200毫秒，而在触及手势和语音集合的任务中，延伸超越25毫秒就会影响用户体验。传统视觉AI的反当令期从4.25秒到21分钟不等，这种延伸绝对破裂了当然交互的可能性。这就像打电话时出现严重延伸，对话变得豕分蛇断，无法进行正常换取。

五、治理施行挑战的深层真理

VOIX框架的真理远远超出了时间层面的改革，它内容上治理了一系列困扰AI发展的根人性问题。

最初是阴事和安全问题。在传统模式下，AI需要拜谒统共这个词网页内容才能融会怎样操作，这就像让一个生分东谈主翻看你的统共这个词钱包才能帮你付款一样不安全。网页上可能包含用户的私东谈主信息、财务数据或交易奥密，这些信息可能被偶而中走漏给AI服务提供商。VOIX通过明确的声明机制治理了这个问题，网站只袒露那些明确允许AI拜谒的功能和信息，就像只给生分东谈主看你钱包里的会员卡，而不是统共这个词钱包。

其次是限度权的问题。在面前模式下，AI服务提供商片面决定怎样解释和操作网站，网站开发者对此毫无穷度。这就像屋子的主东谈主无法限度访客在屋子里作念什么一样令东谈主不安。VOIX将限度权交还给网站开发者，让他们大致精准界说AI不错作念什么，不不错作念什么。

着力问题也得到了根底治理。传统AI需要反复分析网页变化，从新学习操作方法，着力低下。VOIX通过标准化接口摈斥了这种类似学习的需要，AI一朝学会怎样使用VOIX标签，就能操作任何提拔VOIX的网站，就像学会开车后能开任何品牌的汽车一样。

可儿戴性是另一个遑急上风。当网站界面发生变化时，传统AI可能绝对失效，需要从新锤真金不怕火或调遣。而使用VOIX的网站只需要保持标签的一致性，即使界面大幅编削，AI的操作才略也不会受到影响。这就像不管房间奈何从新装修，唯有开关和插座的位置和记号不变，电器就能正常责任。

标准化带来的生态效应同样遑急。VOIX为统共这个词行业提供了结伙的标准，不同的AI服务提供商皆不错使用通常的接口，这促进了竞争和创新。同期，开发者学会VOIX后不错在职何提拔的平台上责任，裁汰了学习资本。

六、面向未来的挑战与机遇

固然VOIX框架展现出盛大后劲，但辩论团队也憨厚地承认了一些挑战和局限性。

最主要的挑战是历久爱戴的复杂性。在大型传统代码库中集成VOIX可能濒临同步问题，就像在一座老建筑里安装当代化的智能家居系结伙样复杂。要是开发团队为用户界面添加了新功能，却健忘更新相应的VOIX标签，多模态体验就会出现不一致，用户可能发现某些功能只可通过传统界面拜谒，而无法通过语音限度。

另一个遑急挑战是主见设计的复杂性。VOIX条目开发者从传统的视觉界面念念维转向功能导向的念念维方法。开发者需要在初级器用（平直映射GUI操作，浅易但后果有限）和高档器用（面向用户意图，后果显耀但设计贫寒）之间找到均衡。这种设计决策就像建筑师需要在功能性和好意思不雅性之间取得均衡一样需要训诲和醒目。

不外，这些挑战也带来了机遇。VOIX框架为web开发开辟了全新的标的，它不单是是一个时间器用，更是对未来东谈主机交互方法的从新念念考。跟着AI才略的持续提高，用户期许大致以更当然的方法与数字斥地交互，VOIX恰好得志了这种需求。

VOIX的奏凯也为其他鸿沟的AI交互提供了启示。同样的理念可能诓骗到桌面诓骗、移动诓骗以致物联网斥地上，创建一个愈加智能和互联的数字生态系统。

辩论团队强调，VOIX框架的绽开性是其最遑急的特征之一。它不依赖于特定的AI服务提供商或浏览器，这意味着统共这个词生态系统不错解放发展和演化。不管是大型科技公司照旧个东谈主开发者，皆不错在这个绽开平台上创新，这种绽开性恰是互联网奏凯的中枢原因。

七、对普通用户的内容真理

对于普通用户来说，VOIX框架的普及将带来显耀的生涯便利。假想一下未来的汇聚购物体验：你只需要对着浏览器说"帮我买一对相宜跑步的蓝色通顺鞋，尺码42，预算500元以内"，AI就能自动浏览各大购物网站，比较价钱和评价，以致平直完成购买历程。统共这个词过程中，你不需重点击精深个页面，填写复杂的表单，或者记取不同网站的操作方法。

在责任场景中，VOIX同样能带来改革性改变。职工不错通过当然说话快速操作各式企业软件，比如说"在神志握住系统中创建一个新任务，认真东谈主是张三，截止日历是下周五"，或者"从财务系统中导出上个月的销售评释"。这种交互方法不仅提高了责任着力，也裁汰了软件使用的门槛。

对于有特别需求的用户群体，VOIX的真理愈加要紧。视觉闭塞用户不错通过语音松弛操作正本需要复杂视觉导航的网站，老年用户不再需要学习复杂的点击操作，只需要用当然说话抒发需求即可。这种包容性设计体现了时间发展的东谈主文缓和。

VOIX还为耕作鸿沟带来了新的可能性。学生不错通过当然说话与耕作网站交互，比如说"帮我找到对于二战历史的视频费力"或者"创建一个对于化学元素的测试题"。这种交互方法使学习变得愈加直不雅和高效。

跟着VOIX框架的普及，咱们可能会看到网页设计理念的根人性改变。开发者将不再只是辩论视觉界面的好意思不雅和易用性，还需要念念考怎样为AI提供清亮的功能描写。这种双重设计辩论将股东web开发向愈加智能化和东谈主性化的标的发展。

说到底，VOIX框架代表了东谈主工智能发展的一个遑急振荡点。它不是让AI强行妥当东谈主类的责任方法，而是创造了一个东谈主类和AI皆能快活责任的共同环境。这种合作而非竞争的理念，恰是未来东谈主机合营的渴望模式。

辩论团队通过严谨的实验考据了VOIX框架的有用性，但更遑急的是，他们为统共这个词行业指明了一个清亮的发展标的。跟着越来越多的开发者和企业罗致这种标准化的交互方法，咱们正执政着一个愈加智能、高效和东谈主性化的数字宇宙迈进。这不单是是时间的高出，更是咱们与数字器用关系的从新界说。

对于那些对这项时间感兴味的读者，现在恰是关注和参与这一变革的最好时机。VOIX框架的开源特质意味着任何东谈主皆不错参与到这个生态系统的成就中来，共同塑造东谈主工智能与汇聚宇宙交互的未来。

Q&A

Q1：VOIX框架是什么？

A：VOIX是由达姆施塔特工业大学开发的网页AI交互框架，它让网站能平直告诉AI哪些功能不错使用以及怎样使用，而不是让AI劳苦估计网页操作方法。通过和两个HTML标签，网站不错明确声明可供AI使用的功能和面前现象信息。

Q2：VOIX框架比较传统AI网页交互有什么上风？

A：VOIX的速率上风特地袒露，比如添加图形元素只需2.32秒，而传统方法需要25-27秒。更遑急的是VOIX保护用户阴事，因为网站只看到明确授权的功能肯求，而不是用户的完整对话内容，同期AI也只可拜谒网站明确允许的功能。

Q3：普通用户怎样使用VOIX框架？

A：普通用户不错通过提拔VOIX的浏览器蔓延标准来体验手机赌钱，比如辩论团队开发的Chrome蔓延。用户只需在提拔VOIX的网站上用当然说话说出需求，比如"添加一个蓝色三角形"或"创建一个健身缱绻"，AI就能平直实践相应操作，无需复杂的点击操作。