OpenAI 正为一切构建 AI 智能体，但用户会愿意交出控制权吗？

你愿意把多少数字生活的控制权交给一个大语言模型？

要从一个模型身上获得最大价值，就意味着要把钥匙交给它。对于一个控制欲强或对 AI 心存犹豫的人来说，这似乎代价太大。但对于 OpenAI 桌面应用的首席工程师 Andrew Ambrosino 来说，这是测试未来的唯一方式，正因如此，这款应用现在可以访问并控制他的收件箱、他的 Slack 账号、他的手机、Notion 和 Figma 等应用，以及更多东西。

“如果我让它写一份文档，有没有可能它会从一条关于该主题的私信里提取内容，却不知道某些信息不该分享？有可能，”Ambrosino 对 TechCrunch 说。“为了这份工作我会这么做。如果需要，我会时不时承受一些个人代价。而到目前为止，我还没有需要这么做。”

Ambrosino 从事的是 OpenAI 最大的赌注——ChatGPT Work，该产品于上个月发布，可在该公司最低的订阅档位使用，每月 20 美元。这款产品旨在让白领工作者部署 AI 智能体——将大语言模型接入会计师、投资者、医生以及其他所有日常工作以电脑为主的人所使用的数字工作流。

OpenAI 的 营销文案简洁地概括了这一目标：一个“[人工]智能超越回答问题、帮助每个人将他们最宏大的想法变为现实”的世界。

对于软件开发者来说，这种转变已经在发生，但向其他部门扩散的速度一直很慢。ChatGPT Work 是该公司 Codex 编程工具的修改版本。它旨在为非工程师提供与软件工程师已经从智能体中获得的功能相同的版本：一个不仅能回答问题，还能自主完成多步骤项目的 AI 工具。

“在这个新要素中，ChatGPT 实际上可以以一种令人愉悦且安全的方式，完全自主地为你完成整个非常复杂的任务，”负责 OpenAI 核心产品工作（包括 Work）的 Thibault Sottiaux 告诉 TechCrunch。“这正是 OpenAI 的使命——让所有人都能参与其中。”

从商业角度来看，这一点非常重要。运行时间更长的智能体会消耗更多 token，这使得它们在按用户计算时对 OpenAI 更有利可图。触达新的职业群体至关重要——不仅对 OpenAI 如此，对整个行业也是如此。如果说编程已被证明是 AI 实验室的利润丰厚之地，那么它仍然只是 AI 工具需要赋能的专业工作中的一小部分——如果这些公司想要证明其在训练和算力上的巨额投资是合理的。当实验室一直专注于软件工程师时，垂直领域的竞争对手如 Harvey（法律领域）和 Clay（销售领域）一直在以模型无关的方式追逐这些客户，这意味着它们会接入当时表现最好的任何 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。“如果实验室无法迅速获得在市场上扩展 AI 所需的关键互补资产，价值将流向别处，”Christian Catalini 在 a16z 的“It's time to build”博客上写道。

要让 AI 应用服务于那些并非软件工程师的人，需要更多的引导和陪伴。OpenAI 的非工程类员工，比如传播和财务团队，开始使用 Codex 时，“正值它对这些人充满敌意——它会追问他们代码的问题，还给他们看‘哦，你这件事的 diff 是空的’，”Ambrosino 说，他指的是那种用于软件改动的技术性输出。“所以，从二月到现在，我们开始让它变得更通用。”

一项由 OpenAI 支持的研究发现，6 月份有 98% 的 OpenAI 员工在使用 Codex，但只有 17% 的组织订阅用户和不到 1% 的个人订阅用户在使用这款智能体编程工具。公司内部近乎全员采用、而外部采用率微乎其微，这一差距既是该公司面临的挑战，也是机遇。

“我们为用户创造的价值和效用越多，他们就越愿意为其中一部分效用付费，我们一直以来也是这样看待 ChatGPT 的，”Sottiaux 说。“你坐在那里，你会想，‘我当然愿意每月为这个付 20 美元’，因为你获得的价值远不止这些。”

如何让 AI 变得直观易用

要理解这种脱节，有必要先了解 OpenAI 的工程师们在构建什么。每个 LLM 都需要工程师所说的“harness”——即包裹在模型外围的软件，它决定模型能看到哪些信息、可以使用哪些工具，以及如何把答案呈现回给你。

如果你想让那个模型真正做事——成为一个智能体——harness 就要为它提供工具，以及如何在长期任务中使用这些工具的指令。对开发者而言，一个能让 LLM 编写代码的命令行界面（CLI）就足以改变软件构建和部署的方式。但大多数人并不使用 CLI；Windows 取代 DOS 是有原因的。

Ambrosino 对 TechCrunch 表示，一款超越软件工程范畴的智能体产品“将会是那种要与你生活中混乱无序的世界、你的各种工具，以及那些 1995 年搭建后再也没更新过的网站打交道的东西”。他解释说，他的团队正在构建的这些体验，对于扩大有用 AI 的可及性至关重要。

想想 Claude Code 和 Codex 这类应用：它们通过把实际编写软件的过程全部抽象掉，让用户只需告诉模型自己想要什么样的程序，从而释放了“氛围编程”。如今，OpenAI 想要把 OpenClaw 这类工具中的功能——程序员用它来让 LLM 干活——变得像写提示词一样简单。

“如果没有这些摆在模型前面的产品，专家会知道如何得到同样的结果，但你不可能让十亿人都用上这东西，”Ambrosino 说。这种在高级用户所需与主流普及所需之间的取舍，在 OpenAI 内部争论中有所体现，一些员工认为，如果用户能直接问模型，那按钮就是多余的。

“我们对此持保留态度——因为现在还为时过早，”Ambrosino 说。“在这个阶段，可发现性很重要，而到了某个时候，我们就不会再有这个按钮了。”

Work 多了几个用于选择项目和插件的按钮，但它追求的是与其他 OpenAI 产品相同的魔法盒子式界面。他将其比作拟物化设计，即那种让数字工具看起来像它们所取代的实体物件、如今正逐渐消退的做法，比如让计算器应用看起来像一个袖珍计算器。“那些东西并不只是令人尴尬的设计。它实际上帮助人们进入这个领域，并完成过渡，”Ambrosino 说。

OpenAI 不愿透露有多少人使用 Work、多少人使用 Codex，但这款联合应用仅有 2000 万人使用，相比之下，该公司称在线上使用 ChatGPT 的用户超过 10 亿。

赋予 ChatGPT 使用技能的许可

目前，OpenAI 将这一工具定位为最适合处理日常的、数据密集型的协调任务。例如，其员工正在用它搭建每周指标报告，并把电子表格变成规划工具。

我曾与一些风投人士交流过，他们用智能体把关于公司的相关通讯和分析汇总成投资备忘录；也有运营团队用它搭建定制的仪表盘和数据可视化。Sam Altman 则用它来规划自己的假期。一位 OpenAI 工程师描述说，他让这个程序查看一段关于某个工程问题的 Slack 对话，并“做一些图表”，随后收到了一系列富有洞见的图表。

“对于这些公司中任何一家的普通员工来说——包括我自己在内——信息都是铺天盖地的，”OpenAI 产品工程团队负责人 Akshay Nathan 表示。“我们实际上受限于自己解析所有可用信息并据此采取行动的能力。这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，你本来就能访问这些信息，但现在你真正能够访问它了。”

那么，这或许就是 AI 布道者们梦寐以求的数字个人助理。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空间——电子邮件、网页浏览器、一系列 SaaS 平台——连接起来，并将这些上下文为你所用。

当系统正常运作时，效果可以令人印象深刻：我让 ChatGPT Work 把我儿子那份格式古怪的幼儿园校历从我的电子邮件中提取出来，并放入我的 Google Calendar，它做到了，为我省去了大量重复的数据录入。希望现在我不会再忘记学校的聚餐，也不会再没能安排好假期的儿童照护。

我不放心让 OpenAI 访问我的收件箱、采访原始资料或稿件草稿（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。我让它对我所报道的上市公司进行财务分析，它为我提供了一个自动更新的指标仪表盘；它还制作了一个可查询的太空发射数据库，这项任务此前我不得不通过编写 python 脚本来完成。它还会每周给我发一封电子邮件，介绍学术信息平台上新发布的 AI 研究。我会继续尝试使用它。

虽然向模型提出请求很直观，但要给它采取行动所需的条件就没那么简单了。为智能体设置访问权限——比如访问云盘——既令人困惑又绕圈子：我试了好几次想只给它“读取”权限，却不断收到错误提示。模型本身也帮不上什么忙，但最终在移动应用上弹出了一个对话框，告诉我只有授予完全访问权限才能让它正常工作。

许多重要设置只能在网页应用上使用，所以我经常发现自己需要同时在这两个端上操作。有时 ChatGPT Work 的限制令人费解——把它关联到你的 Google 日历，它能创建事件，却不能创建新日历。而且除非把努力程度调高，否则别费劲去做任何事，不然你得到的就是你共事过的最糟糕的实习生。

这是 AI 早期采用者的常见建议，他们担心受挫的新手会就此放弃。OpenAI 的 harness 工程负责人 Joe Gershenson 承认，努力程度设置对新手用户来说还不够直观——“我们还有一些可以改进的地方，来帮助他们找到合适的推理水平……”他说，并补充道，“请持续关注这一领域。”

OpenAI 在打入普通白领工作方面还面临另一个重要挑战：大多数工作流程不像代码那样可衡量——或可评估。软件要么能用要么不能用，而即便是这种区分也简化了关于代码好坏之处的细微差别。一份好的演示文稿、商业策略或销售推介，就没那么容易评估或追溯了。

“像这样的产品，其独特挑战之一就在于它真的什么都能做，”Ambrosino 说。当我问团队围绕哪些具体问题来设计、瞄准哪些工作流时，我交谈过的工程师们避而不答，称那是 OpenAI 研究团队该回答的问题。

OpenAI 后来给出了一个答案，告诉 TechCrunch 它使用的是其基准 GDPVal，该基准取自 44 种职业和数百项知识工作测试，并以用户反馈作为补充。一个不那么官方的答案是，它来自 OpenAI 员工自己。Ambrosino 说：“我们必须始终分辨清楚……我们做的是不是所有人都会做的工作流，还是我们太另类了？”

这款应用本身的早期用户将通过他们的实际使用创造出有价值的轨迹数据——编码工具的成功很大程度上就建立在类似的数据收集之上——前提是他们没有选择退出、不让这些数据用于训练。（我选择了退出。）

驱动 OpenAI 产品设计的竞争

尽管外界对这款模型的界面颇为关注，OpenAI 的工程师们却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群体的竞品智能体框架相比，究竟有何不同？

“这对你来说会是个非常令人失望的答案，很抱歉，但老实说，我真的不看他们正在构建的那些框架，”Gershenson 用一句典型的回答说道。“《广告狂人》里那句‘我根本就没想过你’的梗在这里浮现在我脑海中。”

坦率地说，我不相信他们，哪怕仅仅基于这些产品用户界面之间的极度相似、任何企业都需要竞争情报，以及我启动 ChatGPT Work 后它让我做的第一件事就是导入我的 Claude Cowork 数据。

如果 Claude Code 在 OpenAI 办公室里是个敏感话题，那也可以理解。他们的企业竞争对手定义了 AI 编程市场，并掀起了一场软件工程师工作方式的革命。更令人沮丧的是，OpenAI 其实最先有了这个想法，却没有正确地驾驭它。

当 OpenAI 最初把 Codex 开发成一款网页应用时，工程师们有点过于冒进了——或者用 Ambrosino 的话说，“有点太 AGI 上头了”。简而言之，他们押注于模型足够聪明，能够在用户输入极少的情况下完全独立处理一项任务。

不久之后构建的 Claude Code，则围绕与用户的来回对话来设计。如果你给它一个问题，它会审视各种可能性，并给你三到四个推进方案。一旦你做出选择，它会再往前走一点，然后再次回来确认，持续给出更新，让模型和运行框架犯错的空间更小。

Anthropic 的做法被证明更有效，即便它对用户提出了更多要求。“[我们的]产品当时略微超前于模型和运行框架所处的水平，”Ambrosino 如今这样说道。

OpenAI 最终也跟进，为用户增加了更多与该模型交互的机会。这就成了我们今天所熟知的 Codex，配有桌面端和移动端应用。若以下载量作为对这些程序兴趣的代理指标，Claude Code 直到今年 4 月都更受欢迎，但如今 Codex 已略微领先；调查也显示，OpenAI 在企业使用方面正在迎头赶上。

这种领先一部分来自找准了产品市场契合度，另一部分则来自外界对 Anthropic 模型安全限制和算力短缺的抱怨。OpenAI 通过 ChatGPT Work 继续朝着更以人为中心的 harness 迈进，但我交谈过的工程师们坚称，关键的差异化因素在于 OpenAI 最新这些强大且高性价比的模型。

“令人沮丧的答案是，很多时候就是模型本身，而我们在这款应用上努力做好的一件事，就是充分利用这个模型，”Ambrosino 说。

那么，究竟什么才算一个好的 harness？

这一解释又回到了 AI 研究者所领悟的“苦涩教训”：一个更好的通用模型比特定的领域经验更重要。对于真正的信徒而言，harness 只是临时的拐杖，而非护城河。

“你可以通过添加一大堆额外的东西——if 和 then、各种工具——在短期内获得不错的结果，但是，得了吧，下一个模型再过几个月就会发布，让这些统统过时，”Gershenson 对 TechCrunch 表示。他的团队专注于用最简单的方式让模型接触到它所需的工具和上下文——仅此而已。

“优秀的 harness 工程的目标是……更精确地界定模型真正需要哪些信息来解决你的问题，因为只要你放手让模型自己去做，它们在这方面正变得越来越擅长，”Gershenson 说。

不过，有一个悬而未决的问题：大多数人或模型是否已经为此做好准备。沃顿商学院研究职场 AI 工具的教授 Ethan Mollick 仍然认为 Claude 对用户更友好，他写道，“ChatGPT 倾向于施展魔法、直接替你搞定，而 Claude 则会做对比并把对比展示出来，反复征求输入和反馈，还会做 A/B 测试。”

Sottiaux，或许还有整个 OpenAI，并不认同这一看法，他们认为这款应用的对话式特性比学习如何使用一个应用程序更好。“我们确实看到，这个世界似乎已经准备好了，”他谈到这款应用时说，“这就是为什么我们获得了如此惊人的采用率。”

不过，针对特定模型定制的 harness 是否真的是最大化模型性能的正确选择，目前仍不清楚。Composio 和 Databricks 等公司进行的对比表明，不同的 harness 与模型组合在编程基准测试上会带来不同的表现。Databricks 发现，软件公司 Earendi 发布的开源 harness Pi 在使用相同的 GPT 5.5 模型时，表现优于 Codex。Pi 已被用于构建 OpenClaw 和 CloudflareOS 等项目。

Pi 的创造者 Mario Zechner 表示，他刻意保持极简的 harness 证明了 AGI 信念驱动的思路可以奏效，至少对软件工程师和编程任务而言是如此。他说，它在显式功能上的欠缺，由其修改自身并构建自己界面的能力所弥补。他对 OpenAI 的工程师们在将用户群扩展到工程师之外时所面临的挑战表示同情。

“一切都是编程智能体的形态……原因是他们只有编程智能体任务的训练数据，”他在接受 TechCrunch 采访时说。“假设我身处管理层，今天做了一个决定，结果几个月后才显现。你无法用用户与智能体之间简单的一来一回的轨迹来捕捉这一点，所以所有这些类型的任务，以及任何你没有数字化的东西，模型都无法学习。”

与其他开源提供商一样，他认为大型实验室力推自家 harness 是一种锁定用户的手段；“他们需要拥有整个技术栈；否则，他们就只会变成一个模型提供商，然后需要与中国模型竞争。”

他以及其他接受 TechCrunch 采访的工程师都认为，对于前沿实验室的 harness 中 token 花费和智能体行为的洞察太过有限。从某种意义上说，这对非技术工作者来说意义不大，但正如编程工具一样，当采用规模达到 OpenAI 所期望的水平时，最终将迫使人们就成本展开更艰难的对话。

例如，在每月 20 美元的订阅上随便用用，我在四天内使用了超过 8000 万个 token，根据该模型的分析，这花费了 65 美元（应用中没有仪表盘）。仅四天的随意使用，补贴就超过了订阅价格的 3 倍。

“我们每天都在努力推动效率的前沿，”Sottiaux 说道，并指出最近 OpenAI 的 Luna 模型用户享受了 80% 的降价。“如果你六个月后醒来，你应该能够以更少的支出完成所有相同的[任务]。”

另一个相关问题在于，这些应用是否通过数据留存，或者配置所有插件及其权限的纯粹痛苦，对客户产生了锁定效应。

在我七月份造访的 OpenAI 那间木质镶板、绿植遍布的总部里，气氛平静但略带紧张；这里的人都有很多事要做。与我交谈的工程师们在谈话过程中不断查看自己的笔记本电脑，并在各个会议室之间匆忙穿梭。

产品工程团队负责人 Nathan 表示，重点仍然是“魔法盒子的承诺，但我仍然觉得有太多复杂性……我非常乐观地认为我们能够解决它，借助模型并以真正 AI 原生的方式。”