OpenAI 正在构建全场景 AI 代理，普通人会用吗？

你愿意在多大程度上让 LLM 掌控你的数字生活？

从模型中获取最大价值，意味着要给它钥匙。对于控制狂或对 AI 持观望态度的人来说，这似乎太过激进了。但对于 OpenAI 桌面应用的主工程师 Andrew Ambrosino 而言，这是测试未来的唯一方式——所以这款应用现在可以访问并控制他的收件箱、Slack 账号、手机，以及 Notion、Figma 等应用。

"如果我让它写一份文档，有没有可能它会从关于该主题的私人私信中获取内容，却不知道自己不应该分享这些信息？" Ambrosino 告诉 TechCrunch。"为了工作我会这么做。如果必须的话，我会偶尔承受个人层面的损失。但目前还没有遇到这种情况。"

Ambrosino 从事的是 OpenAI 最大赌注的产品工作——ChatGPT Work，该产品已于上月发布，以每月 20 美元的价格提供在公司最低订阅档次。这款产品旨在让白领工作者可以使用 AI 智能体——将 LLM 与会计师、投资者、医生以及所有日常工作被电脑主导的人所使用的数字工作流程对接起来。

OpenAI 的营销文案简洁地阐述了目标：一个"人工智能不再只是回答问题，而是帮助每个人将最大胆的想法变为现实"的世界。

对于软件开发人员而言，这种转变已经在发生，但向其他部门的推广还很缓慢。ChatGPT Work 是该公司 Codex 编程工具的修改版本。它的目标是为非工程师提供与软件工程师已从智能体获得相同功能的版本：一款不仅回答问题，还能自主完成多步骤项目的 AI 工具。

OpenAI 核心产品（包括 Work）负责人 Thibault Sottiaux 告诉 TechCrunch："在这个新阶段，ChatGPT 可以真正自主地为你完成整个非常复杂的任务，且方式令人愉悦和安全。这是 OpenAI 的核心使命——让每个人都不掉队。"

从商业角度看，这意义重大。运行时间更长的智能体会消耗更多 token，这使得 OpenAI 在每位用户基础上更加有利可图。触达新的职业群体至关重要——不仅对 OpenAI，对整个行业亦是如此。如果说编码已被证明是 AI 实验室的盈利领域，但它仍然是专业工作中的一个微小子集——如果这些公司想要证明其在训练和计算上的巨额投资是合理的，AI 工具还需要赋能更多垂直行业。当实验室专注于软件工程师时，Harvey（法律领域）和 Clay（销售领域）等垂直领域竞争对手一直在用模型无关的方式争夺这些客户——这意味着他们会接入当时表现最好的 AI。

行业分析师认为，这是 OpenAI 及其竞争对手面临的主要挑战之一。"如果实验室无法快速获取规模化 AI 市场所需的关键互补资产，价值将流向其他地方，" Christian Catalini 在 a16z 的"是时候动手了"博客中写道。

让 AI 应用为非软件工程师工作需要更多手把手的指导。OpenAI 的非工程团队，如通信和财务团队，曾在 Codex"对它而言还很'不友好'的时候使用它——问他们关于代码的问题，然后给他们看'哦，你这个东西有一个空的 diff，'" Ambrosino 说，他指的是针对软件变更的技术报告。"所以，从二月到现在，我们开始让它变得更通用。"

一张展示 Codex 使用情况的图表，来自《向智能体 AI 的转变：来自 Codex 的证据》。图片署名：Johnston 等人。

OpenAI 支持的一项研究发现，今年 6 月，98% 的 OpenAI 员工在使用 Codex，但只有 17% 的组织订阅者和不到 1% 的个人订阅者在使用这个智能体编程工具。公司内部几乎全员采用与外部几乎无人问津之间的差异，正是该公司面临的挑战和机遇。

"我们为用户生成的价值和效用越多，他们就越愿意为部分效用付费，这也是我们一直以来对 ChatGPT 的看法，" Sottiaux 说。"你坐在那里会觉得，'我当然愿意每月为此支付 20 美元'，因为你获得的价值远超于此。"

如何让 AI 直观易用

要理解这种脱节，需要了解 OpenAI 的工程师在构建什么。每个 LLM 都需要工程师所谓的"工具链"（harness）——这是包裹在模型周围的软件，决定模型能看到什么信息、能使用哪些工具，以及如何将答案呈现给你。

如果你想让模型做事——成为智能体——工具链会为它提供工具和使用指南，用于完成长期任务。对于开发者而言，一个使 LLM 能够编程的命令行界面（CLI）足以改变软件的构建和部署方式。但大多数人不使用 CLI；Windows 取代 DOS 是有原因的。

一款超越软件工程的智能体产品，"将会与你的生活和工具的混乱世界互动——那些建于 1995 年从未更新的网站，" Ambrosino 告诉 TechCrunch，他解释说团队正在构建的体验对于扩大有用 AI 的覆盖范围至关重要。

想想 Claude Code 和 Codex 这样的应用：它们通过抽象掉实际的软件开发工作，释放了"凭感觉编程"，让用户可以直接告诉模型自己想要什么程序。现在，OpenAI 希望将 OpenClaw（程序员用来使 LLM 工作的工具）中的功能做得和提示一样简单。

"如果没有这些产品摆在模型前面，专家们仍然知道如何获得相同的结果，但你无法让 10 亿人使用这个东西，" Ambrosino 说。高级用户的需求与主流普及之间的权衡，在 OpenAI 内部引发了辩论，一些员工认为如果用户可以直接问模型，按钮就是多余的。

"我们会反驳[这种观点]——因为现在还非常早期，" Ambrosino 说。"在这个阶段，可发现性很重要，到了某个时刻我们就不会有这个按钮了。"

Work 有更多用于选择项目和插件的按钮，但它的目标是与其他 OpenAI 产品相同的"魔法盒子"界面。他将其比作拟物化（skeuomorphism），这是一种逐渐过时的做法——让数字工具看起来像它们所取代的物理对象，比如做成口袋计算器样子的计算器应用。"这些东西不只是令人尴尬的设计。它确实帮助人们进入这个领域[并且]完成过渡。"

OpenAI 不愿透露 Work 与 Codex 的具体使用人数，但这款联合应用只有 2000 万用户，而该公司表示在网上使用 ChatGPT 的用户超过 10 亿。

赋予 ChatGPT 技能许可

目前，OpenAI 正在宣传这款工具最适合常规、数据密集型的协调任务。它的员工正在建立每周指标报告，并将电子表格变成规划工具。

我采访过用智能体将相关沟通和分析整理成投资备忘录的投资人，以及启动定制仪表板和数据可视化的运营团队。Sam Altman 用它来规划假期。一位 OpenAI 工程师描述了让程序查看关于工程问题的 Slack 对话并"生成一些图表"，然后收到一系列有洞察力的图表。

"对于这些公司的普通员工来说，包括我自己，信息都严重过剩，" OpenAI 产品工程团队负责人 Akshay Nathan 说。"我们实际上受到解析所有可用信息然后采取行动的能力限制。那些信息存在于所有这些系统记录工具中[比如 Salesforce]……ChatGPT 的价值在于你已经可以访问这些数据，但现在你真正能访问到它们了。"

这样看来，这可能就是 AI 布道者梦想中的数字私人助理。与 Claude Cowork 或 Perplexity AI 浏览智能体一样，ChatGPT Work 将智能体与你现有的工作区连接起来——邮件、网络浏览器、大量 SaaS 平台——并让你利用这些上下文工作。

当系统正常工作时，效果令人印象深刻：我让 ChatGPT Work 从我的邮箱中取出我儿子格式奇怪的幼儿园日历，并将其添加到我的 Google 日历中，它做到了，为我节省了大量重复的数据录入工作。希望这样我就不会忘记学校的聚餐或忘记安排假期托管了。

我没有信任 OpenAI 访问我的收件箱、采访源文件或新闻草稿（AI 反对者们不必担心），也不会让它访问我的银行账户，但我相信如果我有这份信任，它会更有用。我给它分配了对所报道的上市公司进行财务分析的任务，它为我提供了一个自动更新的指标仪表板；它创建了一个可查询的太空发射数据库，这是一项我之前必须通过编写 Python 脚本来完成的任务。它还会每周给我发送一封关于学术发布平台上新发表 AI 研究的邮件。我会继续尝试使用它。

虽然向模型请求某些东西是直觉性的，但为它提供采取行动所需的上下文却并非那么简单。为 AI 智能体设置访问权限（例如云端硬盘）的过程既令人困惑又循环往复——我多次尝试仅授予"只读"访问权限，却收到错误消息。模型本身不太有帮助，但最终在移动应用上弹出一个对话框，告诉我只有完整访问权限才能使其正常工作。

许多重要设置仅在网页应用上可用，所以我经常发现自己同时在两个平台上操作。有时候 ChatGPT Work 的限制令人费解——将它链接到你的 Google 日历，它可以创建事件，但不能创建新日历。除非你的投入程度很高，否则不要费心尝试做任何事情，否则你将面对你共事过的最差劲的实习生。

这是 AI 早期采用者的共同建议，他们担心受挫的新手会放弃尝试。OpenAI 智能体工具链的工程负责人 Joe Gershenson 承认，对于新用户来说，精力设置还不够直观——"我们有一些事情可以做得更好，以帮助他们获得正确水平的推理能力……"他补充道，"拭目以待。"

OpenAI 面临另一个打入普通白领工作领域的重要挑战：大多数工作流不像代码那样可衡量或可评估。软件要么能用，要么不能用，即便这种区分也简化了评判代码好坏的细微差别。一个好的演示文稿、商业策略或销售话术不容易评估或追溯。

"像这样的产品面临的一个独特挑战是，它真的可以做任何事情，"Ambrosino 说道。当我问团队围绕哪些具体问题进行设计，以及针对哪些工作流时，我采访的工程师们避而不答，说这是 OpenAI 研究团队的问题。

OpenAI 随后提供了一个答案，告诉 TechCrunch，它使用名为 GDPval 的基准测试，该基准来自 44 个职业和数百个知识工作测试，并辅以用户反馈。一个不太官方的答案是它来自 OpenAI 员工本身。Ambrosino 说："我们必须始终区分……我们是在做每个人都会做的工作流，还是我们很独特？"

这款应用本身的早期采用者将用他们的实际使用创建有价值的痕迹——编码工具的大部分成功都建立在类似的数据收集之上——假设他们没有选择退出将其用于模型训练。（我没有选择退出）。

驱动 OpenAI 产品设计的竞争

尽管对模型界面的关注度很高，但 OpenAI 的工程师们不愿回答一个相当简单的问题：Codex 和 ChatGPT Work 与 Claude Cowork 或其他面向大众用户的竞品 AI 智能体工具有何不同？"这将是一个非常令人失望的答案，我很抱歉，但诚实的答案是，我真的不关注他们正在构建的工具链，"Gershenson 给出了一个典型的回答。"Mad Men 的'我根本不考虑你'表情包浮现在脑海中。"

坦率地说，我不相信他们，至少基于产品用户界面的极端相似性、任何企业都需要竞争情报，以及因为 ChatGPT Work 启动时首先让我做的是迁移我的 Claude Cowork 数据。

如果 Claude Code 是 OpenAI 办公室的一个敏感话题，那可以理解。他们的企业竞争对手定义了 AI 编码市场，并开启了软件工程师工作方式的革命。更令人沮丧的是，OpenAI 最早有了这个想法，但没有正确地利用它。

当 OpenAI 最初将 Codex 开发为网页应用时，工程师们有点超出自己的能力范围——或者用 Ambrosino 的话说，"有点过于 AGI 化了。"简而言之，他们赌模型足够智能，能够在最少用户输入的情况下完全独立处理一项任务。

随后不久推出的 Claude Code 围绕与用户的来回对话展开。如果你给它一个问题，它会审视各种可能性，给你三四个继续进行的选项。一旦你选择了，它会再往前走一点，然后再次回检，持续更新进度，减少模型和工具链犯错的余地。

Anthropic 的方法被证明更有效，即使用户需要更多工作。"[我们的]产品在当时略微领先于模型和工具链的发展阶段，"Ambrosino 现在如此说道。

OpenAI 最终效仿，通过添加更多用户与模型互动的机会。那就是我们现在所知的 Codex，拥有桌面和移动应用。使用下载统计数据作为对程序兴趣的代理指标，Claude Code 在今年 4 月之前更受欢迎，但现在 Codex 已略微领先；企业使用调查也表明 OpenAI 正在迎头赶上。

部分领先地位来自于正确的产品-市场契合，部分来自于对 Anthropic 模型安全限制的抱怨和计算资源短缺。OpenAI 迈向更以人为本的工具链的步伐仍在继续，但我采访的工程师们坚持认为，关键差异化因素是 OpenAI 最新强大且具成本效益的模型。

"一个令人沮丧的答案是，很多时候确实是模型，而我们试图在这款应用中真正做好的事情就是充分利用模型，"Ambrosino 说道。

什么样的工具链才是好的？

这个解释回到了 AI 研究人员学到的"苦涩教训"——更好的通用模型比特定的领域经验更重要。对于真正的信仰者来说，工具链是一根临时的拐杖，而不是护城河。

"你可以通过添加一堆额外的东西——if 和 thens 以及工具——在短期内获得好的结果，但是，拜托，再过几个月下一个模型就会发布，让那一切变得过时，"Gershenson 告诉 TechCrunch。他的团队专注于最简单的方 式来将模型暴露于它所需的工具和上下文——仅此而已。

"好的工具链工程的目标是……更精确地了解模型真正需要什么信息来解决你的问题，因为模型正在变得越来越好，如果你simply让他们做他们的事情，"Gershenson 说道。

不过，有一个开放性问题：大多数的人或模型是否已经准备好了。Ethan Mollick，沃顿商学院研究职场 AI 工具的教授，仍然认为 Claude 更加用户友好，他写道："ChatGPT 倾向于想要施魔法并直接为你完成，而 Claude 则做比较并展示它们，反复请求输入和反馈，并做 A/B 测试。"

Sottiaux，也许还有整个 OpenAI，不同意这种观点，认为应用的对话性质比学习如何使用一个应用程序更好。"我们肯定认为世界已经准备好了，"他在谈论这款应用时如此说道。"这就是为什么我们有了惊人的采用率。"

尽管如此，对于最大化模型来说，特定于模型的工具链是否是正确的赌注，这一点还不清楚。Composio 和 Databricks 等公司的对比显示，不同的工具链和模型组合在编码基准测试中提供不同的性能。Databricks 发现，Pi（由软件公司 Earendil 发布的开源工具链）在使用相同的 GPT 5.5 模型时优于 Codex。Pi 已被用于构建 OpenClaw 和 Cloudflare OS 等项目。

Pi 的创造者 Mario Zechner 表示，他刻意极简主义的工具链证明，AGI 化的方法可以工作，至少对软件工程师和编码任务是如此。他说，它缺乏的显式功能，由其修改自身和构建自己界面的能力来弥补。他同情 OpenAI 工程师在扩大用户基础（超越工程师群体）方面面临的挑战。

"一切都是编码 AI 智能体的形状……原因是他们只有编码 AI 智能体任务的训练数据，"他告诉 TechCrunch。"假设我在管理层，我今天做了一个决定，结果在几个月后才发生。你无法在用户和 AI 智能体来回交互的简单痕迹中捕捉到这一点，所以所有这些类型的任务以及你没有数字化的任何东西对模型来说都是不可及的。"

和其他开源提供商一样，他认为大厂推动自己的工具链是一种锁定用户的手段。"他们需要掌控整堆技术栈，否则就会沦为一个模型提供商，然后不得不和中国模型竞争。"

他和其他工程师在接受 TechCrunch 采访时表示，前沿实验室工具链中对 token 消耗和 AI 智能体行为的洞察过于有限。从某种意义上说，这对非技术员工意义不大，但就像编码工具一样，随着 OpenAI 所期望的大规模普及迟早会迫使人们进行更艰难的关于成本的对话。

例如，在我每月 20 美元的订阅上随便玩玩，四天内就用掉了超过 8000 万个 token，按照模型分析要花 65 美元（应用里没有仪表盘）。这相当于四天随意使用就补贴了订阅价格的 3 倍以上。

"我们每天都在努力推动效率前沿，"索蒂洛说，并提到了 OpenAI Luna 模型最近 80% 的价格下调。"如果六个月后你醒来，应该能够用更少的消耗完成所有相同的[任务]。"

另一个相关的问题是，这些应用是否通过数据保留或配置所有插件及其权限的痛苦对客户产生锁定效应。

在我七月访问的 OpenAI 装饰着木板、满是植物的总部里，气氛平静但略有紧张；这些人有很多事要做。我交谈的工程师们在说话时不断盯着笔记本电脑，从会议室匆匆赶往另一个会议室。

产品工程团队负责人 Nathan 表示，焦点仍然在于"魔法盒子的承诺，但我仍然认为复杂度太高……我非常乐观地认为我们可以用模型、以真正的 AI 原生方式解决这个问题。"