7
0欢迎来到本期播客节目，我们将深入探讨人工智能领域的一大飞跃——OpenAI 最新推出的ChatGPT 代理 (Agent)。这个全新的智能体融合了其前身 Deep Research 和 Operator 的强大功能，实现了架构的统一，让用户能够在单一环境中流畅地切换视觉浏览、文本分析和代码执行等多种工具。
在本期节目中，您将了解到：
• 核心创新与能力:
◦ 统一的工具生态：ChatGPT 代理拥有访问虚拟计算机的能力，集成了高效的文本浏览器（类似于 Deep Research），以及能进行点击、输入、滚动等操作的图形用户界面（GUI）浏览器（类似于 Operator）。此外，它还能够访问终端运行代码、分析文件、调用公共或私有 API（如 GitHub、Google Drive），甚至可以生成图像和制作演示文稿。
◦ 工具间的共享状态：所有工具都拥有共享状态，如同您使用电脑上的不同应用程序访问同一个文件系统一样，模型可以在不同工具间无缝切换，处理复杂任务，例如在文本浏览器中打开页面后无缝切换到可视化浏览器进行更深入的交互。
◦ 强大的多轮对话与协作能力: 代理擅长多轮对话，能与用户持续协作。它能主动提出澄清问题，用户也可以在任务进行中随时打断、纠正或要求状态更新。这种灵活的互动方式，旨在模拟您与同事的协作模式。
◦ 长时间运行任务: 代理能够处理长达数小时的复杂任务，例如进行长时间的金融估值分析并生成报告和幻灯片。其持久化的计算机界面允许用户在任务完成后回顾操作，并进行后续修改或接管控制。
• 训练方法与挑战:
◦ 强化学习: OpenAI 通过强化学习训练代理，让模型在数千个虚拟机上自行探索和学习最佳的工具使用策略，而非预设编程。这种方法非常数据高效，通过小规模高质量数据即可教授新能力。
◦ 安全与挑战: 由于代理能执行具有外部副作用的操作（如在线购物、访问真实网站），安全是其开发的核心关注点。团队采取了多重缓解措施，包括持续监控模型行为，进行广泛的内部和外部红队测试，以应对潜在风险，如数据泄露、有害操作甚至生物风险。
• 未来展望: 团队正致力于提升代理的个性化和记忆能力，并探索让代理主动为用户执行任务的可能性，而无需用户每次都发起请求。未来的愿景是拥有一个单一的全能型超级代理，能够智能地调度资源并完成各种复杂的任务，就像一位无所不能的“首席幕僚”。
