你愿意让大型语言模型（LLM）掌控你多少数字生活？
要充分发挥模型的价值，就得把“钥匙”交给它。对控制欲强或对AI持谨慎态度的人来说，这似乎太冒险了。但对OpenAI桌面应用的首席工程师Andrew Ambrosino来说，这正是测试未来的唯一方式。因此，他的应用现在可以访问并控制他的邮箱、Slack账号、手机，以及Notion、Figma等应用。
“如果我让它写文档，有可能它会从私人私信中提取相关内容，却不知道不能分享某些信息吗？有可能，”Ambrosino告诉TechCrunch。“但为了工作，我愿意承担个人风险，而且到目前为止还没出过问题。”
Ambrosino参与开发的是OpenAI的重磅产品ChatGPT Work，上个月发布，售价为每月20美元的最低订阅档。该产品旨在让白领用户使用AI代理，将大型语言模型连接到会计师、投资人、医生等日常依赖电脑的职业的数字工作流程中。
OpenAI的宣传语简洁明了：打造一个“人工智能不仅回答问题，更帮助每个人将最大创意变为现实的世界”。
对于软件开发者来说，这种转变已经开始，但在其他部门推广较慢。ChatGPT Work是公司Codex编码工具的改良版，旨在为非工程师提供类似功能：不仅回答问题，还能自主完成多步骤项目的AI工具。
“在这个新阶段，ChatGPT可以完全自主地为你完成复杂任务，体验既愉快又安全，”负责OpenAI核心产品工作的Thibault Sottiaux告诉TechCrunch。“这正是OpenAI的使命——让每个人都能参与进来。”
商业上，这非常重要。长时间工作的代理会消耗更多令牌，带来更高的用户收益。开拓新职业领域对OpenAI乃至整个行业都至关重要。虽然编码领域对AI实验室来说利润丰厚，但它只是AI工具需要支持的职业工作的一个小分支。除了专注软件工程师，像Harvey（法律领域）和Clay（销售领域）这样的垂直领域竞争者，采用模型无关的方法，随时接入表现最好的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。“如果实验室不能迅速掌握扩展AI市场所需的关键互补资产，价值将流向其他地方，”Christian Catalini在a16z博客中写道。
让AI应用适合非工程师用户需要更多引导。OpenAI的非工程团队，如通信和财务部门，最初使用Codex时，“它对他们很不友好——问他们代码问题，显示‘你这个改动是空的’之类的技术信息，”Ambrosino说。“所以我们从今年2月开始让它更通用。”
一项由OpenAI支持的研究发现，6月份98%的OpenAI员工使用Codex，但只有17%的组织订阅者和不到1%的个人订阅者使用这款代理编码工具。公司内部几乎全员采用与外部几乎无人使用的巨大差距，既是挑战也是机遇。
“我们创造的价值和实用性越大，用户越愿意为此付费，这也是我们一直以来对ChatGPT的看法，”Sottiaux说。“你会觉得‘当然愿意每月花20美元，因为得到的价值远远超过这个价格’。”
如何让AI更直观
理解这种差距，需了解OpenAI工程师打造的东西。每个大型语言模型都需要一个“框架”——包裹模型的软件，决定模型能看到哪些信息、能用哪些工具，以及如何反馈答案。
如果想让模型执行任务——成为代理，框架就会赋予它工具和使用说明，支持长期任务。对开发者来说，命令行界面（CLI）足以改变软件开发和部署方式。但大多数人不使用CLI，这也是Windows取代DOS的原因。
一个超越软件工程的代理产品，“必须能应对你生活中复杂混乱的工具和那些1995年开发、从未更新的网站，”Ambrosino说，他强调团队打造的体验对扩大AI实用性至关重要。
以Claude Code和Codex为例，它们通过抽象掉实际编码，让用户只需告诉模型想要什么程序，释放了“氛围编码”。现在，OpenAI想让像OpenClaw这样的工具功能，变得和简单提示一样易用。
“没有这些产品，专家能得到同样结果，但无法让十亿人使用，”Ambrosino说。权衡专业用户需求和大众采用之间的矛盾，在OpenAI内部引发争论，有人认为如果用户能直接问模型，按钮就没必要。
“我们反对这种观点——因为现在还处于早期阶段，”Ambrosino说。“发现功能很重要，未来某天按钮会消失。”
Work应用有更多按钮选择项目和插件，但目标是和其他OpenAI产品一样的魔盒界面。他把这比作拟物设计——让数字工具看起来像它们替代的实体物品，比如计算器应用像口袋计算器。“这不仅是设计上的尴尬，它帮助人们接受并过渡到新工具，”他说。
OpenAI未透露Work和Codex的具体用户数，但联合应用约有2000万用户，而公司称ChatGPT在线用户超过10亿。
赋予ChatGPT技能许可
目前，OpenAI将该工具定位于日常数据密集型协调任务。例如员工设置每周指标报告，将电子表格变成规划工具。
我采访过用代理整理公司沟通和分析写投资备忘录的风险投资人，以及搭建定制仪表盘和数据可视化的运营团队。OpenAI CEO Sam Altman用它规划假期。一位工程师描述让程序查看Slack中关于工程问题的对话并“做图表”，结果收到一系列有洞察力的图表。
“普通员工面对大量信息，包括我自己，都感到信息过载，”OpenAI产品工程负责人Akshay Nathan说。“我们其实很难解析所有信息并采取行动。这些信息存在于各种系统工具中（如Salesforce）……ChatGPT的价值在于你已经有权限访问这些信息，但现在你真正能利用它们。”
这可能就是AI拥护者梦想中的数字个人助理。像Claude Cowork或Perplexity AI浏览代理一样，ChatGPT Work将代理连接到你的工作空间——邮箱、浏览器、各种SaaS平台——并利用上下文为你服务。
当系统正常工作时，效果令人印象深刻：我让ChatGPT Work把儿子格式奇怪的幼儿园日历从邮箱导入Google日历，成功节省了大量重复录入时间。希望这样我不会忘记学校聚餐或安排假期托儿。
我不敢让OpenAI访问我的邮箱、采访资料或稿件（AI反对者放心），也不会让它访问银行账户，但我相信如果我信任它，会更有用。我让它做我负责的上市公司财务分析，它生成了自动更新的指标仪表盘；还帮我做了可查询的航天发射数据库，之前我得写Python脚本完成。它还每周发邮件告诉我最新AI研究进展。我会继续尝试。
虽然向模型提问很直观，但让它获得执行所需权限不易。给代理设置访问云盘的权限时，我多次尝试只给“只读”权限却报错。模型本身帮助有限，最终手机应用弹出对话框提示，只有完全访问才能正常工作。
许多重要设置仅在网页版可用，我经常同时使用两端。ChatGPT Work的限制有时令人困惑——连接Google日历能创建事件，却不能新建日历。除非任务复杂，否则它就是你遇过最差的实习生。
这是AI早期用户的常见建议，他们担心新手挫败后放弃。OpenAI框架工程负责人Joe Gershenson承认，努力程度设置对新用户还不够友好，“我们可以做得更好，帮助他们找到合适的推理水平……敬请期待。”
OpenAI进入普通白领工作还有另一大挑战：大多数工作流程不像代码那样易于衡量或评估。软件要么运行，要么不运行，甚至这也简化了代码好坏的判断。优秀的演示、商业策略或销售方案不易评估或追踪。
“这类产品的独特挑战是它几乎能做任何事，”Ambrosino说。当我问团队设计针对哪些具体问题和工作流程时，工程师们回避，称这是研究团队的问题。
OpenAI后来告诉TechCrunch，他们使用基准测试GDPval，涵盖44个职业和数百项知识工作测试，并结合用户反馈。更非正式的答案是，灵感来自OpenAI员工自身。“我们必须分辨……我们做的是大家都会做的工作流程，还是怪异的？”Ambrosino说。
应用的早期用户将通过实际使用创造宝贵数据——编码工具的成功很大程度上依赖类似数据收集——前提是他们不选择退出训练数据共享。（我选择了退出）
竞争推动OpenAI产品设计
尽管外界关注模型界面，OpenAI工程师对一个简单问题回答谨慎：Codex和ChatGPT Work与Claude Cowork或其他面向大众的代理框架有何不同？
“答案可能让你失望，很抱歉，但老实说我不关注他们的框架，”Gershenson典型回答。“我想起了‘我根本没想过你’的梗。”
坦白说，我不信他们，基于产品界面极其相似、商业竞争需要情报，以及ChatGPT Work启动时第一个任务是导入Claude Cowork数据。
Claude Code可能是OpenAI办公室的敏感话题。它定义了AI编码市场，掀起软件工程革命。更令人沮丧的是，OpenAI最早有这个想法，却没正确实现。
OpenAI最初开发Codex网页版时，工程师们有些过于乐观，Ambrosino称之为“过于AGI化”。他们赌模型足够聪明，能几乎无需用户输入独立完成任务。
随后推出的Claude Code则强调与用户的反复对话。给它问题后，它会列出三四个方案供选择，用户选定后继续推进并不断反馈，减少模型和框架犯错空间。
Anthropic的做法更有效，尽管用户工作量更大。“我们的产品当时比模型和框架更先进，”Ambrosino现在说。
OpenAI最终也增加了更多用户与模型交互的机会，形成今天的Codex桌面和移动应用。以下载量衡量，Claude Code今年4月前更受欢迎，但现在Codex略占优势；企业使用调查也显示OpenAI正在赶超。
部分领先来自产品市场契合度，部分则因对Anthropic模型安全限制和算力短缺的抱怨。OpenAI通过ChatGPT Work继续推进以人为本的框架，但工程师强调关键差异在于OpenAI最新强大且高效的模型。
“令人沮丧的答案是，很多时候关键是模型，我们努力让这个应用充分发挥模型能力，”Ambrosino说。
什么是好的框架？
这个解释回到AI研究者总结的“苦涩教训”：更好的通用模型比特定领域经验更重要。对信徒来说，框架只是暂时的辅助，而非护城河。
“短期内可以通过添加大量额外功能（条件判断和工具）获得好结果，但下个月新模型一出，这些就过时了，”Gershenson告诉TechCrunch。他的团队专注于以最简单方式让模型接触所需工具和上下文——不多也不少。
“好的框架工程目标是更精准地提供模型解决问题所需信息，因为模型越来越擅长自己处理这些。”
但问题是，大多数人或模型是否准备好了？宾夕法尼亚大学沃顿商学院教授Ethan Mollick认为Claude更友好，他写道：“ChatGPT倾向于魔法般直接帮你完成，而Claude则做对比，反复请求输入和反馈，做A/B测试。”
Sottiaux及OpenAI整体持不同观点，认为应用的对话性质比学习使用应用更好。“我们确实看到世界已经准备好了，”他说。“这就是我们取得惊人采用率的原因。”
不过，是否专属模型框架是最大化模型效能的正确选择尚不明确。Composio和Databricks等公司对比测试显示，不同框架和模型组合在编码基准测试中表现不同。Databricks发现开源框架Pi（由软件公司Earendil发布）使用相同GPT 5.5模型时，性能优于Codex。Pi被用于构建OpenClaw和Cloudflare OS等项目。
Pi的创造者Mario Zechner表示，他的极简框架证明AGI化方法可行，至少对软件工程师和编码任务有效。它缺少显式功能，但能自我修改和构建接口。他理解OpenAI工程师面临的挑战——如何将用户群扩展到工程师之外。
“所有东西都呈编码代理形态……原因是他们只有编码代理任务的训练数据，”他说。“比如我做管理决策，结果几个月后才显现。你无法用简单的用户与代理交互轨迹捕捉这种任务，所有未数字化的任务模型都无法学习。”
像其他开源提供者一样，他认为大型实验室推动自家框架是锁定用户的策略；“他们需要拥有整个技术栈，否则就只是模型供应商，还得和中国模型竞争。”
他和其他工程师认为，前沿实验室框架对令牌消耗和代理行为的洞察有限。对非技术工人来说这不那么重要，但像编码工具一样，OpenAI期望的大规模采用最终会引发成本方面的更严肃讨论。
例如，我用20美元订阅的应用，4天内消耗超过8000万个令牌，按模型分析花费65美元。仅休闲使用就补贴了3倍以上。
“我们每天都在努力提升效率，”Sottiaux说，并指出最近对OpenAI Luna模型用户的80%降价。“六个月后，你醒来时应该能用更少花费完成同样任务。”
另一个问题是，这些应用是否通过数据保留或配置插件权限的复杂性形成用户锁定。
我7月访问OpenAI总部，那里木质装饰和绿植环绕，气氛平静但略显紧张；这些人肩负重任。工程师们边聊边盯着笔记本电脑，不断穿梭会议室。
产品工程负责人Nathan说，重点仍是“魔盒的承诺，但我觉得现在复杂度太高……我很乐观，我们能用模型以真正AI原生方式解决它。”
