ChatGPT Agent 正式发布，最卷 AI 打工人来了！

当下，Agent 作为人工智能领域最热门的方向，OpenAI 自然不会缺席。

7月18日凌晨，OpenAI 正式发布 ChatGPT Agent。20多分钟的演示，将 ChatGPT 从单一的对话工具升级为具备真实任务执行能力的全能 Agent。

“这让我第一次真正感受到 AGI的存在，” Sam Altman在演示中感叹，“观看它思考、规划再行动的过程令人震撼。”

从对话到行动：六大核心技术打造全能Agent

ChatGPT Agent 的核心突破在于将 OpenAI 此前分散的能力—— Operator的网页交互能力、Deep Research的信息综合能力，以及ChatGPT的智能对话能力，融合为一个统一的任务执行系统。这背后是六项关键技术能力的协同：

云电脑沙盒环境：Agent 拥有完整的虚拟桌面，包含可视化浏览器（能点击按钮、拖动图片）、文本浏览器（高效扫描网页内容）、终端工具（运行代码、调试脚本）和文件编辑器。这相当于给AI配备了一台专属工作电脑。

多工具智能协作：Agent 能自主判断何时使用文本爬虫快速收集信息，何时切换到可视化浏览器操作复杂界面，以及何时调用API直接获取数据，无需用户指示工具切换。

自主编程执行能力：内置的Codex引擎让Agent能够读取代码库、编写测试、修复bug，并实际运行脚本处理数据。Pro用户每月可触发高达400次Agent任务。

一键交付工作成果：根据提示，Agent 直接生成可下载使用的文件。在发布会上，它仅用25分钟就完成了英伟达财报分析并生成演示PPT。

多步骤任务闭环：从理解需求到最终执行，Agent能编排完整工作流。演示中，它在处理婚礼礼物时被临时要求“买双黑皮鞋”，立即响应：“确认中断，已加入新任务：查找9.5码男士黑色正装鞋。”处理完后又无缝返回原任务。

三层安全防护机制：训练阶段屏蔽可疑网页指令；运行时实时监控异常行为；执行登录、支付等敏感操作前强制用户手动接管。OpenAI甚至为它激活了**最高级别的生物化学安全防护**，防止潜在滥用。

真实场景演示：看Agent如何主动帮你干活

发布会上，OpenAI 成员演示了令无数职场人共鸣的场景：为朋友婚礼做准备——选服装、挑礼物、订酒店。传统流程需耗费半天的时间，而Agent只需要一条提示，即可高效完成全套任务：

一、主动澄清需求

Agent 启动虚拟环境后，没有直接给出答案，而是先打开婚礼官网查找关键信息，并主动询问：“婚礼的确切日期是什么时候？”——这种澄清意图的能力标志着AI行为模式的根本转变。

二、真实操作网页

在男装电商网站，观众清晰看到 Agent 的 “鼠标”在页面上移动：点开详情页、阅读面料说明、筛选合适尺码。当选中一套深灰色西装时，它在旁边标注：“这套比较适合当天的天气。”这并非基于文字描述的判断，而是真实视觉浏览后的决策。

三、自主延伸任务

搞定服装后，Agent未停歇，自动延伸至酒店预订。它打开Booking.com，比较位置、价格和评分，最终筛选出三家最优选项，并提示：“如需下单，我可继续。”整个过程没有用户额外指令，完全基于初始任务意图。

更惊人的是第二个演示：用手机发出一条指令：“为团队吉祥物设计500张贴纸，动漫风格”。

Agent 随即调用图像API生成设计稿，自动打开贴纸定制网站，将成品加入购物车，最后弹出提示：“请确认是否付款。”

传统需多次跳转的复杂流程，被压缩为一句自然语言指令。

商业生态重构：AI从工具升级为交易平台

ChatGPT Agent的野心不止于提升效率。当它能完成“搜索商品→比价→加入购物车→生成订单”的全流程时，OpenAI正在构建全新的商业模式。

据披露，OpenAI正在测试平台内集成结账系统。未来当用户通过Agent完成交易，OpenAI可能向商家收取佣金。Altman在接受Stratechery采访时坦言：“如果你通过Deep Research发现并购买商品，我们会抽取约2%的联盟费用。”

这彻底改变了互联网商业逻辑：

传统搜索（Google模式）：提供信息→用户跳转至商家→平台赚取广告费

Agent新模式：理解需求→直接完成交易→平台收取佣金

当用户对Agent说“帮我订周五晚餐”，它不仅推荐餐厅，还能直接完成OpenTable预订；当要求“分析Q3财报数据”，它直接生成带图表和洞察的PowerPoint文件。

每一次任务执行，都可能是一次商业转化。

安全与边界：可协作的智能体才是未来

能力越大，责任越大。Agent能真实操作系统和支付，也让风险升级。OpenAI采取了多层防护：

执行控制：涉及登录、支付等高危操作时，Agent会暂停并请求用户手动接管。如演示中，它始终停在付款确认环节：“请确认是否继续下单”。

行为监控：特别设计的“Watch Mode”确保用户在金融等敏感页面离开标签页时，Agent自动停止运行。系统还实时检测异常行为，阻断可能的恶意指令注入。

能力限制：尽管已激活高级生物化学防护，OpenAI仍明确表示暂不支持金融交易操作，并建议用户遵循“最小权限原则”——仅开放必要数据权限。

“我们做的是可协作的 Agent，而不是失控的自动脚本。”OpenAI 工程师Edward在发布会上强调。这种设计哲学让Agent更像数字搭档而非自动化工具，它懂得何时该问、何时该等、何时该让用户接手。

操作系统级革命：你的下一台电脑可能是个对话框

ChatGPT Agent 的终极意义在于重构人机交互范式。过去完成复杂任务需要：打开浏览器→搜索信息→切换电子表格→手动整理数据→制作幻灯片。

而现在，用户只需对ChatGPT说一句：“分析英伟达最新财报，制作10页摘要PPT。”

Agent随即启动虚拟环境：用文本浏览器抓取财报数据、在终端运行Python分析、生成可视化图表、最后打包成可下载的PPT文件。整个过程无需用户点击任何软件或网页。

正如OpenAI产品负责人Yash Kumar所言：“我们要做的不只是回答问题，而是替用户把事办完。”这标志着AI从“功能增强”转向“任务接管”——它不再是你使用的工具，而是替你操作工具的执行者。

现在与未来：谁将掌握AI时代的入口？

目前ChatGPT Agent已向Pro、Plus和Team用户开放。Pro用户每月400次查询额度，Plus和Team用户40次。

在性能方面，ChatGPT Agent 交出了亮眼成绩单：

41.6%的准确率通过人类最后考试（Humanity’s Last Exam），远超o3模型的24.9%；27.4%的得分刷新数学基准测试FrontierMath纪录，比Gemini Pro 2.5高出一倍多；85.5%的准确率完成数据建模任务，显著超越人类数据分析师的65%平均水平。

Altman 在发布会上坦承：“这是人类与AI共存的实境测试，社会、技术与风险管理策略都需要同步发展。”当AI真正开始“动手”做事，我们不得不重新思考：哪些工作值得人类亲力亲为？

随着微软Copilot、谷歌Gemini、xAI的Grok等竞品加速进化，AI代理大战已全面打响。但OpenAI通过ChatGPT Agent传递出清晰信号：未来的竞争不在回答质量，而在于谁能成为用户任务的第一入口，那个你开口说话，就能把事办妥的“云电脑”。

当Altman看着Agent自动浏览网页挑选西装时，那句喃喃自语的“它真的在工作”，或许正是对这个新时代的最佳注解。