ChatGPT Agent：革新AI交互，探索未来智能体

7月23日，红杉资本举办了一场对话会，深入探讨了OpenAI ChatGPT Agent的技术创新与未来潜力。对话由索尼娅·黄和劳伦·里德共同主持，伊萨・富尔福德、凯西·楚和孙之清等OpenAI团队成员参与。

在这场对话中，他们分享了ChatGPT Agent的开发历程，讨论了其结合Deep Research和Operator优势实现高效跨领域任务执行的能力。他们还探讨了ChatGPT Agent的安全保障措施及广泛的应用场景。

据OpenAI设想，ChatGPT Agent将具备更强的独立判断能力，能根据用户习惯和需求提供定制化服务，并支持语音、文字、图像等多种交流方式。未来，OpenAI将致力于打造通用超级智能体，以处理人类在计算机上的几乎所有任务。

以下为对话内容精简版：

主持人：今天，我们将与OpenAI团队的富尔福德、凯西·楚和孙之清共同探讨AI Agent的演进历程。你们开发了全新的ChatGPT Agent，请介绍一下它的核心功能和重大突破。

富尔福德：感谢邀请。ChatGPT Agent是Deep Research和Operator团队协作的成果。它能执行复杂且耗时长达一小时的多步骤任务。我们为它配备了一个虚拟计算机环境，集成了文本浏览、视觉浏览、终端访问和API集成等功能，所有这些工具共享状态。

这种设计让ChatGPT Agent能够灵活处理各种复杂任务，显著提升效率和能力。我们对这款模型在多轮对话中的表现尤为满意，它能持续处理任务并不断改进。

1 诞生与演进

主持人：能否分享一下这个项目的起源故事？它是如何开始的？

凯西·楚：这个项目源于Deep Research和Operator两个产品的结合。2025年1月，我们发布了Operator，能执行在线购物等互联网任务。两周后，我们推出了Deep Research，专注于浏览和综合网络信息。

在制定未来发展路线时，我们意识到这两个产品可以互补。Operator擅长处理视觉交互，而Deep Research更擅长处理文本信息。用户希望Deep Research能访问付费内容，而Operator已具备这种能力，因此结合两者成为自然选择。

孙之清：我们的团队通过统一两者架构，实现了能力的巨大飞跃。所有工具共享状态，用户可以在文本分析、视觉浏览和代码执行之间流畅切换。我们通过强化学习，在数千个虚拟机上让模型自行发现最佳策略。

这种方法使ChatGPT Agent能够与用户协作数小时，提出澄清问题并接受任务中的更正。

2 多场景任务能力

主持人：ChatGPT Agent的具体应用场景有哪些？用户如何使用它？

富尔福德：我们设计了一个开放式的智能体“ChatGPT Agent”，鼓励用户探索其潜力。我们训练它处理Deep Research任务、Operator任务和数据分析任务。

例如，Deep Research用户意外发现了代码搜索功能。我们希望ChatGPT Agent在消费者和企业场景中都能发挥作用。

3 训练与突破

主持人：从技术角度看，ChatGPT Agent是如何训练的？

凯西·楚：我们采用了强化学习（RL）技术，在虚拟机环境中为它提供多种工具。

我们设计了复杂任务，让ChatGPT Agent通过试验发现最佳工具使用策略，并根据任务完成的质量和效率给予奖励。

4 如何防止“失控”

主持人：在执行外部操作时，如何确保ChatGPT Agent的安全性和可靠性？

富尔福德：安全是核心关注点。我们实施了多层次安全措施，包括内部和外部红队测试、实时监控系统以及快速响应新威胁的协议。

5 背后的团队协作

主持人：开发团队是如何协作的？规模如何？

富尔福德：我们的团队由Deep Research和Operator的研究与应用团队合并而成。研究与应用团队紧密合作，从定义产品功能到模型训练均以用户场景为导向。

6 打造通用超级智能体

主持人：会开发专门的子智能体，还是坚持单一超级智能体的愿景？

富尔福德：我们倾向于打造通用超级智能体。我们的训练数据显示，不同任务之间存在正向迁移。因此，单一智能体模型在扩展性和通用性上更具潜力。