在科技界的平靜夜晚，OpenAI突然投擲了一枚震撼彈，將全球的目光聚焦于北京時間7月18日凌晨的一場簡短直播發(fā)布會。沒有繁瑣的預(yù)熱，也沒有璀璨的舞臺，僅憑Sam Altman和他的團(tuán)隊25分鐘的介紹，ChatGPT Agent橫空出世，成為新時代的焦點(diǎn)。

ChatGPT Agent，這位新晉的智能行動者，與我們熟悉的聊天機(jī)器人大相徑庭。它擁有自己的虛擬電腦，能夠獨(dú)立思考、規(guī)劃并執(zhí)行一系列復(fù)雜任務(wù)。在直播中，觀眾目睹了Agent熟練操控瀏覽器、解析網(wǎng)頁、調(diào)用API、制作PPT和表格的全過程，令人嘆為觀止。Sam Altman直言不諱：“看著它工作，我感受到了AGI（通用人工智能）的真實存在。”

發(fā)布會令人印象深刻之處有三：一是面對復(fù)雜多目標(biāo)任務(wù)，Agent雖耗時較長，但完成度極高；二是人機(jī)協(xié)作體驗顯著，用戶可以隨時打斷Agent，補(bǔ)充信息或指導(dǎo)，甚至增加新任務(wù)；三是Agent通過專屬虛擬電腦執(zhí)行任務(wù)，過程可視化，用戶可回放視頻查看每一步操作。

ChatGPT Agent的誕生，是OpenAI在智能體領(lǐng)域深耕細(xì)作的必然成果。今年早些時候，Deep Research和Operator兩大工具相繼問世，但各有短板。Deep Research擅長長文閱讀，卻難以應(yīng)對需要登錄和交互的網(wǎng)頁；Operator則擅長處理交互式和可視化網(wǎng)頁，卻在深度分析和長文閱讀上力不從心。而復(fù)雜任務(wù)往往需要兩者的結(jié)合。Sam Altman在發(fā)布會上道出了人們的心聲：“我們渴望一個統(tǒng)一的智能體，能自主運(yùn)行，使用專屬電腦，完成復(fù)雜任務(wù)。它能無縫切換，從思考到行動，使用各種工具，如終端、網(wǎng)頁操作，甚至生成文件。”

ChatGPT Agent正是Deep Research和Operator強(qiáng)強(qiáng)聯(lián)合的產(chǎn)物，它兼具分析與執(zhí)行能力，仿佛擁有了“大腦”和“雙手”。在發(fā)布會上，Agent展示了一個多目標(biāo)任務(wù)的執(zhí)行過程：用戶為參加朋友婚禮，需要準(zhǔn)備服裝、禮物和預(yù)訂酒店。Agent確認(rèn)需求后，耗時20分鐘，提供了詳盡的方案，包括五件服裝選項及購買鏈接。當(dāng)用戶新增參觀美國職業(yè)棒球聯(lián)盟所有球場的旅行計劃時，Agent迅速生成了精確的Excel行程表。

Agent的強(qiáng)大，源于其專屬的虛擬電腦和工作臺。工作臺上集成了文本瀏覽器、可視化瀏覽器、終端和API等工具。文本瀏覽器如同Agent的“大腦”，快速抓取和解析網(wǎng)頁文本，高效處理信息。可視化瀏覽器則是Agent的“眼睛”和“手”，讓它能像人一樣瀏覽和操作網(wǎng)頁。終端和API讓Agent能夠運(yùn)行代碼、進(jìn)行數(shù)據(jù)分析、處理文件，甚至生成PowerPoint和Excel文件。在發(fā)布會上，Agent自行編寫代碼編譯幻燈片，并調(diào)用圖像API美化頁面的場景，給觀眾留下了深刻印象。

OpenAI通過強(qiáng)化學(xué)習(xí)訓(xùn)練Agent，使其在面對復(fù)雜任務(wù)時，能自主規(guī)劃并智能選擇最優(yōu)工具組合。例如，在預(yù)訂餐廳時，Agent會先用文本瀏覽器篩選，再用可視化瀏覽器查看菜品圖片，最后確認(rèn)空位并完成預(yù)訂。這種高度自主和智能的選擇能力，是Agent區(qū)別于其他AI工具的關(guān)鍵。

ChatGPT Agent不僅在硬實力上表現(xiàn)出色，其高度協(xié)作的交互模式更是軟實力所在。過去，我們與AI的交互是僵硬的，只能等待任務(wù)完成。而ChatGPT Agent被設(shè)計成一個真正的“協(xié)作伙伴”，用戶和智能體可以隨時主動溝通。在Agent執(zhí)行任務(wù)的任何時刻，用戶都可以插話，補(bǔ)充要求、糾正方向或改變?nèi)蝿?wù)。Agent會理解新的指令，并在不丟失已有進(jìn)度的前提下繼續(xù)工作。同時，Agent也會主動溝通，提出澄清性問題或?qū)で笥脩舸_認(rèn)，確保任務(wù)始終在掌控之中。用戶還擁有最終的“接管權(quán)”，可以隨時暫停Agent的操作，直接進(jìn)入虛擬環(huán)境修改，增強(qiáng)了用戶的安全感和控制感。

為了證明ChatGPT Agent的實力，OpenAI公布了一系列基準(zhǔn)測試成績。在HLE基準(zhǔn)測試中，Agent取得了41.6%的分?jǐn)?shù)，幾乎是此前模型的兩倍。在前沿數(shù)學(xué)基準(zhǔn)FrontierMath上，Agent在工具輔助下達(dá)到了27.4%的準(zhǔn)確率。在BrowseComp和WebArena測試中，Agent同樣表現(xiàn)優(yōu)異。在SpreadsheetBench測試中，Agent的得分高達(dá)45.5%。這些數(shù)字背后，反映出ChatGPT Agent在通用推理、專業(yè)知識、工具使用和任務(wù)執(zhí)行等多個維度上，已達(dá)到全新高度。

盡管ChatGPT Agent展現(xiàn)出強(qiáng)大能力，但Sam Altman也坦誠地強(qiáng)調(diào)了其“前沿和實驗性”，并揭示了潛在風(fēng)險。最大的擔(dān)憂之一是“提示詞注入”攻擊，當(dāng)Agent訪問惡意網(wǎng)站時，可能會執(zhí)行不當(dāng)操作。OpenAI已構(gòu)建多層防御體系，但仍無法阻止所有攻擊。隨著AI能力的增長，如何劃定安全的倫理和技術(shù)邊界，已成為行業(yè)共同挑戰(zhàn)。因此，OpenAI建議用戶充分意識到風(fēng)險，不隨意透露個人敏感信息。