夜雨聆风阿里云的 ECS 控制台有多少个配置项？
地域、可用区、实例规格族、vCPU、内存、计费方式、镜像、系统盘类型、安全组、VPC、弹性公网 IP……一个从没碰过云服务器的人，光是把这些选项看完，就够喝两杯咖啡。
现在，Qwen 团队做了一件事：在 Chrome 浏览器里装一个插件，打开阿里云控制台，用中文告诉 AI「帮我买一台最便宜的 ECS」，然后坐着看它自己操作。
它会浏览不同地域的价格，筛选低成本规格，配置安全组，处理库存不足的意外情况，最后真的把订单提交上去。买完之后，还能继续说：「把这台机器扩容一下」——停机、改配置、扩磁盘、恢复服务，全程由 AI 在浏览器里替你完成。
这个能力来自Qwen3.7-Plus，阿里最新发布的多模态混合智能体基座模型。
▲ @Alibaba_Qwen 在 X 平台发布 Browser Agent（浏览器智能体）演示视频，2.3 万次观看
一个 Chrome 插件，打开了什么？
Qwen for Chrome已经上架 Chrome Web Store，评分 4.3，4000+ 用户，可以直接安装。
日常用法是在浏览器侧边栏和 Qwen 对话——翻译、总结、写代码，和其他 AI 助手没太大区别。但它有一个更关键的开关：Agent 模式。
开启后，Qwen 拿到浏览器操作权限。它能看到当前网页的内容（DOM 结构 + 屏幕截图），理解用户的自然语言任务，规划出一系列操作步骤，然后真的去点击按钮、填写表单、切换页面。
它和 RPA 脚本最大的区别在于动态调整能力：操作过程中遇到页面变化或异常，Agent 会根据实时反馈切换策略——比如发现某个地域没库存，它会主动换一个地域重新比价。
▲ Chrome Web Store 中的 Qwen 扩展页面，4000+ 用户，支持侧边栏 AI 助手 + Agent 模式
ECS 采购：从「帮我买台最便宜的服务器」到订单完成
官方演示的场景非常直接：一个非技术用户，对着 Qwen for Chrome 说了一段话——
「帮我采购一台最便宜的 ECS 服务器。」
接下来 Agent 做的事情，拆开看是这样的：
第一步：进入阿里云 ECS 创建页面。Agent 识别出用户的任务目标，自动导航到阿里云控制台的实例创建入口。
第二步：跨地域比价。它开始浏览不同地域（华东、华北、华南……）的实例规格和对应价格，筛选出最低成本的选项。这一步涉及多个下拉菜单、动态加载的表格、实时变化的价格——Agent 需要真正"看懂"这些界面元素才能操作。
第三步：选型配置。确定规格后，选择操作系统镜像、存储类型和容量。每个选择都会联动其他选项和价格显示，Agent 需要持续跟踪页面上的变化。
第四步：安全组与网络。配置安全组规则、VPC 网络、登录凭据。这部分对新手最容易出错——端口开放策略、SSH 密钥还是密码登录——Agent 按照合理默认值自动处理。
第五步：应对意外。这是最能体现 Agent 能力的环节。当某个配置组合因库存不足或价格变动而无法下单时，Agent 会主动反思和调整：换一个可用区，或者退回上一步重新选择规格，直到找到可用方案。
第六步：下单。确认订单信息，提交购买。
整个过程中，Agent 需要在 10 到 20 步以上的交互中保持任务一致性，处理多个页面间的状态流转，并且在出错时自主恢复。
▲ 千问大模型知乎专栏《Qwen3.7-Plus：想得深，看得懂，做得到》，详细描述了浏览器 Agent 的 ECS 采购与运维全流程
买完还能扩容：停机、改配、扩盘、恢复
更有意思的在后面。
服务器买完，用了一段时间，发现配置不够了——这在真实运维场景中非常常见。传统做法：登录控制台，找到实例，停机，修改配置，扩容磁盘，重新启动，验证服务恢复。每一步都需要对控制台的操作路径有足够的熟悉度。
在演示中，用户继续对 Agent 下达指令，Agent 按顺序完成了：
- 停机
：在控制台定位目标实例，执行停止操作 - 配置调整
：修改 vCPU、内存等实例规格 - 磁盘扩容
：调整系统盘或数据盘容量 - 服务恢复
：重新启动实例 - 结果验证
：检查实例状态，确认资源配置已经更新到位
从采购到运维升级，覆盖了一台云服务器完整的生命周期管理。Agent 在整个链路中扮演的角色，接近一个会看屏幕、能动手操作的初级运维工程师。
为什么 Qwen3.7-Plus 能做到？
浏览器 Agent 的门槛，比大多数人想象的高。
最大的难点在于视觉理解。控制台页面充满了密集的表格、嵌套的下拉菜单、动态加载的价格标签。模型需要像人一样"看"屏幕，准确定位到每个可交互元素的位置和含义。
Qwen3.7-Plus 在这方面做了系统性的能力升级：
- ScreenSpot Pro
（屏幕元素精准定位）基准大幅提升，能理解复杂 GUI 界面中按钮、输入框、下拉菜单的位置和功能 - OSWorld-Verified
（操作系统级多步任务）、AndroidWorld（移动端任务执行）等跨平台 GUI 基准表现突出，验证了模型在真实界面中完成多步操作的能力 - QwenVision2Code
让模型从视觉参考（截图、设计稿）直接生成可执行代码——看到界面就知道怎么操作 工具使用与规划能力在MCP-Mark、Deep-Planning等基准上持续领先
这些能力叠加，让 Qwen3.7-Plus 能够在「感知页面 → 理解任务 → 规划操作 → 执行点击 → 观察反馈 → 反思调整」的完整循环中持续运转。看不准按钮位置会点错，理解不了任务上下文会走偏，规划不够长远会在多步操作中迷失——每一个环节都是考验。
▲ qwen.ai 博客《Qwen3.7-Plus: Multimodal Agent Intelligence》，详述了多模态交互混合智能体、视觉 Agent、编码与生产力助手等完整能力矩阵
阿里云用自家 AI 买自家服务器：最彻底的自证
有一个细节值得单独说。
这个演示的场景是：阿里的 AI 模型，通过阿里的 Chrome 插件，在阿里云的控制台里，购买阿里云的 ECS 服务器。
全链路都是阿里自己的产品。能拿自己最复杂的商业系统做演示，说明对模型的 GUI 理解能力有足够信心。这比第三方 benchmark 数字更有说服力——如果 Agent 在自家控制台都翻车，那就没什么好说的。
这也透露了一个方向性的信号：智能体正在成为云服务的新一代用户。未来的阿里云控制台，可能同时服务人类用户和 AI Agent。Qwen3.7-Plus 就是让 Agent 真正能"消费"阿里云服务的关键一步。
这和阿里在 AI 编码领域的布局是同一个逻辑。Qoder（阿里的 AI 编码智能体）和QoderWork（面向企业的 AI 工程助手）也在同步推进，覆盖了从代码编写到云资源管理的完整开发运维链路。浏览器 Agent 管 GUI 层面的操作，Qoder 管代码层面的生产——两条线交汇的地方，就是 AI 全栈接管开发运维工作流的起点。
怎么试？
几条路径可以直接上手：
Chrome 插件：Chrome Web Store 搜索「Qwen」安装，授权后开启 Agent 模式，可以在任意网页（包括阿里云控制台）测试浏览器 Agent 能力。
API 调用：通过阿里云百炼（Bailian）平台调用 Qwen3.7-Plus，兼容 OpenAI 格式，设置DASHSCOPE_API_KEY即可接入。即日起至7 月 2 日，推理后付费享限时 8 折。
在线体验：Qwen Studio（chat.qwen.ai）直接切换到 qwen3.7-plus 模型对话。
开发者还可以基于Qwen-Agent开源框架扩展自己的浏览器 Agent 应用——批量安全组审计、自动化成本优化、跨账号资源巡检，这些企业级场景都可以用同一套能力框架实现。
▲ 阿里云百炼重磅发布 Qwen3.7-Plus，首页展示体验入口 + 限时 8 折优惠
云运维的门槛，正在被拆掉
过去，管理云资源需要两样东西：懂控制台的操作路径，和处理异常情况的经验。这两个门槛把大量中小企业和个人开发者挡在了高效使用云服务的外面。
现在的情况变了。一个装了 Chrome 插件的浏览器窗口，加上一段自然语言描述的需求，就能启动一整套采购和运维流程。Agent 在操作过程中遇到问题会自行调整，用户不需要了解底层的配置逻辑。
Qwen 团队放出了完整的操作视频，走完了从创建到扩容的全部步骤，在阿里云真实控制台上操作，涉及真实的价格和库存。
当 AI 开始替人在控制台里点鼠标的时候，"会不会用云"这件事，可能很快就不再是个问题了。
