把数字生活的“钥匙”交给AI：OpenAI如何试图让白领也用上“魔法盒子”

【科技24时区】你愿意在多大程度上，将你的数字生活控制权移交给大语言模型（LLM）？对于追求极致效率的人来说，交出“钥匙”是获取最大价值的唯一途径；但对于控制欲强或对AI持怀疑态度的人而言，这听起来无异于引狼入室。然而，对于OpenAI桌面应用的首席工程师安德鲁·安布罗西诺（Andrew Ambrosino）来说，这是测试未来的必经之路。正因如此，他的邮箱、Slack账户、手机，乃至Notion和Figma等应用程序的控制权，如今都掌握在他正在开发的这款应用手中。

“如果我让它撰写一份文档，它有没有可能从关于该主题的私人直接消息中提取信息，却意识不到某些内容不该被分享？当然有这种可能。”安布罗西诺在接受TechCrunch采访时坦言，“为了工作，我愿意承担这一风险。如果必须承受个人层面的损失，我也认了。不过幸运的是，我至今尚未遇到这种情况。”

安布罗西诺负责的是OpenAI押注最大的产品之一——ChatGPT Work。该产品于上月发布，即便在每月20美元的最低订阅档位也可使用。其核心目标在于让白领阶层能够部署AI代理（Agents），将大语言模型接入会计师、投资者、医生以及所有日常工作被电脑主导的人群的数字工作流中。OpenAI的营销文案对此概括得颇为精炼：构建一个“人工智能不再局限于回答问题，而是帮助每个人将宏大构想转化为现实”的世界。

对于软件开发人员而言，这种转变早已发生，但在其他部门的渗透却步履维艰。ChatGPT Work本质上是该公司Codex编码工具的改良版。它旨在为非工程师群体提供与软件工程师相同的代理功能体验：一种不仅能回答问题，还能自主完成多步骤项目的AI工具。“在这种新形态下，ChatGPT实际上可以以一种令人愉悦且安全的方式，完全自主地为你执行极其复杂的任务。”负责OpenAI核心产品工作（包括Work项目）的蒂博尔特·索蒂奥（Thibault Sottiaux）告诉TechCrunch，“这正是OpenAI的使命所在——让所有人都能跟上步伐。”

从商业角度看，这一点至关重要。运行时间更长的代理会消耗更多的Token，这使得OpenAI能从每位用户身上获得更高的收益。拓展新的职业领域不仅对OpenAI，对整个行业而言都至关重要。尽管编程已被证明是AI实验室的 lucrative（利润丰厚）领地，但这仅仅是专业工作中极小的一部分。如果这些公司要证明其在训练和计算上的巨额投资是合理的，就必须让AI工具赋能更广泛的专业工作。当各大实验室聚焦于软件工程师时，像Harvey（面向法律）和Clay（面向销售）这样的垂直领域竞争对手正以模型无关的方式争夺客户，这意味着他们会随时接入当下表现最佳的AI模型。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。a16z博客“It’s time to build”的作者克里斯蒂安·卡塔利尼写道：“如果实验室无法迅速掌握在市场扩展AI所需的关键互补资产，价值将会流向别处。”

要让AI应用服务于非软件工程师，需要更多的引导。OpenAI的非工程团队（如沟通和财务团队）开始使用Codex时，正值该工具对他们“充满敌意”的阶段——它会询问代码相关问题，并展示诸如“此处的差异为空”等技术性读数，这让非技术人员感到困惑。安布罗西诺表示：“因此，从今年2月至今，我们开始使其更具通用性。”一项由OpenAI支持的研究发现，6月份，98%的OpenAI员工在使用Codex，但仅有17的组织订阅者和不到1%的个人订阅者在使用这款代理式编码工具。公司内部近乎全面的采用率与外部微不足道的采用率之间的巨大落差，既是挑战也是机遇。“我们为用户创造的价值和效用越多，他们就越愿意为此付费，这也是我们要一直看待ChatGPT的方式。”索蒂奥说道，“你会觉得‘我当然愿意每月支付20美元’，因为你获得的價值远超于此。”

要理解这种脱节，首先要明白OpenAI工程师们究竟在构建什么。每个大语言模型都需要一个所谓的“Harness”（ harness，此处译为“驾驭层”或“封装层”更为贴切，指包裹在模型周围的软件，决定模型能看到哪些信息、可以使用哪些工具以及如何呈现答案）。若想让模型真正做事——即成为代理——这个驾驭层需为其提供工具及使用指令，以处理长期任务。对于开发者而言，启用LLM进行编码的命令行界面（CLI）足以改变软件的构建和部署方式。但大多数人并不使用CLI；Windows取代DOS并非偶然。

超越软件工程的代理产品，“将要介入你生活中那个混乱的世界，以及那些建于1995年且从未更新过的工具和网站。”安布罗西诺向TechCrunch解释称，他团队所打造的体验对于扩大有用AI的访问权限至关重要。试想Claude Code和Codex这类应用：它们通过抽象掉实际的软件编写过程，让用户只需告诉模型想要什么样的程序，从而释放了“氛围编码”（vibe coding）的潜力。现在，OpenAI希望让OpenClaw等工具中的功能（程序员用其让LLM干活）变得像提示词一样简单。“如果没有这些位于模型前端的产品，专家虽然知道如何获得相同的结果，但你无法让十亿人使用它。”安布罗西诺说。这种在高级用户需求与主流普及要求之间的权衡，在OpenAI内部引发了辩论，部分员工认为如果用户可以直接询问模型，那么按钮就是多余的。“我们对此持反对意见——因为目前还为时过早。”安布罗西诺表示，“在这个阶段，可发现性至关重要，也许到了某个时候，我们就不再需要按钮了。”

Work版本增加了几个用于选择项目和插件的按钮，但其目标仍是与其他OpenAI产品一样的“魔法盒子”界面。他将其比作拟物化设计（skeuomorphism），即那种让数字工具看起来像其所替代的物理对象的做法（例如做成口袋计算器样式的计算器应用）。“那不仅仅是尴尬的设计。那实际上帮助人们进入这个领域并完成过渡。”安布罗西诺说。OpenAI不愿透露Work与Codex的具体用户数量对比，但该联合应用的用户仅为2000万，相比之下，该公司声称在线提示ChatGPT的用户超过10亿。

目前，OpenAI将该工具定位为最适合处理常规、数据密集型的协调任务。其员工正在利用它设置每周指标报告，并将电子表格转化为规划工具。笔者曾与一些风险投资人交谈，他们使用代理将相关通信和分析汇编成投资备忘录；运营团队则用它快速生成定制仪表板和数据可视化。甚至连萨姆·阿尔特曼（Sam Altman）也在用它规划假期。一位OpenAI工程师描述道，他让程序查看关于工程问题的Slack对话并“制作一些图表”，随后收到了一系列富有洞察力的绘图。“对于任何公司的普通员工，包括我自己，都面临着信息洪流。”OpenAI产品工程团队负责人阿克谢·内森（Akshay Nathan）表示，“我们实际上受限于解析所有可用信息并采取行动的能力。这些信息存在于Salesforce等系统记录工具中……ChatGPT的价值在于，你原本就拥有访问权限，但现在你是真正地拥有了它。”

这或许就是AI布道者梦寐以求的数字个人助理。与Claude Cowork或Perplexity AI浏览代理类似，ChatGPT Work将代理连接到现有的工作空间——电子邮件、网络浏览器以及大量SaaS平台——并利用这些上下文为你服务。当系统运作良好时，效果令人印象深刻：笔者曾要求ChatGPT Work从邮箱中提取儿子格式奇怪的学前班日历，并将其放入Google Calendar，它做到了，节省了大量重复的数据录入工作。希望这样我就不会忘记学校的聚餐，或者未能安排假期的儿童看护。笔者并未信任OpenAI让其访问收件箱、采访录音或故事草稿（AI怀疑论者们请放心），也不会允许其访问银行账户，但我相信，若我有足够的信心，它会更有用。笔者曾指派它对笔者报道的上市公司进行财务分析，它交付了一个自动更新的指标仪表板；它还建立了一个可查询的太空发射数据库，这项任务笔者此前不得不通过编写Python脚本来完成。此外，它还会每周发送一封关于学术清算所发布的新AI研究的邮件。笔者将继续实验。

虽然向模型提出请求很直观，但赋予其采取行动所需的条件却没那么简单。设置代理访问云驱动器等权限的过程既令人困惑又循环往复——笔者多次尝试仅授予“读取”权限，却收到错误消息。模型本身并没有提供太多帮助，但最终在移动应用中，弹出一个对话框告知只有完全访问权限才能使其工作。许多重要设置仅在Web应用中可用，因此笔者经常发现自己同时在两个平台上工作。有时，ChatGPT Work的局限性令人费解——将其链接到Google日历后，它可以创建事件，但不能创建新日历。而且，除非努力程度较高，否则不要尝试做任何事情，否则你会得到有史以来最糟糕的实习生。这是AI早期采用者的常见建议，他们担心沮丧的新手会放弃。OpenAI驾驭层的工程主管乔·格申森（Joe Gershenson）承认，努力程度的设置对新用户来说尚不直观——“我们可以做得更好，帮助他们达到正确的推理水平……”他说，“敬请关注后续进展。”

OpenAI在打入普通白领工作领域时面临另一个重要挑战：大多数工作流程不像代码那样可衡量或可评估。软件要么能运行，要么不能，即便如此，这种区分也简化了代码优劣的细微差别。一份好的演示文稿、商业策略或销售推介并不容易评估或追踪。“像这样的产品的独特挑战之一就是它几乎可以做任何事情。”安布罗西诺说。当笔者询问团队围绕哪些具体问题设计产品，以及针对哪些工作流程时，受访工程师避而不答，称这是OpenAI研究团队的问题。OpenAI后来提供了答案，告诉TechCrunch，它使用基于44种职业和数百项知识工作测试的基准GDPval，并辅以用户反馈。一个不那么官方的答案是，灵感来自OpenAI员工自身。安布罗西诺说：“我们必须始终辨析……我们是在做其他人都会做的工作流程，还是因为我们自己比较奇怪？”

该应用的早期采用者将通过实际使用产生有价值的数据痕迹——正如编码工具的成功很大程度上建立在类似的数据收集之上——前提是他们没有选择退出用于训练的数据共享。（笔者选择了退出。）

尽管外界高度关注模型接口，OpenAI的工程师们却不愿回答一个相当简单的问题：Codex和ChatGPT Work与Claude Cowork或其他面向大众用户的竞争代理驾驭层有何不同？“这对你们来说可能是一个令人失望的答案，我很抱歉，但诚实的回答是，我真的不看他们正在构建的驾驭层。”格申森给出了典型的回答，“这让我想起《广告狂人》里的那句梗：‘我根本没想到你。’”坦率地说，笔者并不相信他们，仅凭产品用户界面的极度相似性、任何企业对竞争情报的需求，以及ChatGPT Work启动时要求笔者做的第一件事就是迁移Claude Cowork数据这一事实，便可见一斑。

如果在OpenAI办公室里谈论Claude Code是个敏感话题，那是可以理解的。他们的企业竞争对手定义了AI编码市场，并引发了一场软件工程师工作方式的革命。此外，这也令人沮丧，因为OpenAI最先有了这个想法，却没有正确地驾驭它。当OpenAI最初将Codex开发为Web应用时，工程师们有点“好高骛远”——或者如安布罗西诺所说，“有点过于沉迷于AGI（通用人工智能）”。简而言之，他们赌模型足够聪明，能在极少用户输入的情况下完全独立处理任务。随后不久构建的Claude Code则侧重于与用户的来回对话。如果你给它一个问题，它会审视各种可能性，并提供三四个继续进行的选项。一旦你做出选择，它会进一步深入，然后再次检查，提供持续更新，从而减少模型和驾驭层犯错的空间。Anthropic的方法被证明更有效，即使它要求用户付出更多劳动。“[我们的]产品当时略微超前于模型和驾驭层的实际水平。”安布罗西诺现在回顾道。

OpenAI最终效仿了这一做法，增加了更多用户与模型互动的机会。这就成了我们今天所知的Codex，拥有桌面和移动应用。以下载统计数据作为兴趣代理，直到今年4月，Claude Code的需求量更高，但现在Codex已略微领先；企业使用调查也表明OpenAI正在迎头赶上。这部分领先得益于找到了合适的产品市场契合度，部分则源于人们对Anthropic模型安全限制和算力短缺的抱怨。OpenAI迈向更以人为本的驾驭层的步伐随着ChatGPT Work而继续，但受访工程师坚持认为，关键的区别在于OpenAI最新强大且具成本效益的模型的强度。“令人沮丧的答案是，很多时候关键在于模型，而我们在这款应用中努力做好的一件事就是充分利用模型。”安布罗西诺说。

那么，到底什么是好的驾驭层？这一解释回归到AI研究人员学到的“苦涩教训”：更好的通用模型比特定的领域经验更重要。对于真正的信徒来说，驾驭层只是暂时的拐杖，而非护城河。“你可以在短期内通过添加大量额外内容——如果/那么语句和工具——来获得良好的结果，但是，拜托，几个月后下一个模型就会出来，让这一切过时。”格申森告诉TechCrunch。他的团队专注于以最简单的方式向模型暴露其解决问题所需的工具和上下文——仅此而已。“良好驾驭层工程的目标是……更精确地确定模型真正需要哪些信息来解决你的问题，因为如果你简单地让它们发挥所长，模型在这方面做得越来越好。”格申森说。

然而，仍存在一个开放性问题：大多数人或模型是否已准备好迎接这一点？沃顿商学院教授伊桑·莫利克（Ethan Mollick）研究职场中的AI工具，他仍然认为Claude更用户友好，他写道：“ChatGPT倾向于想要施展魔法并直接为你完成，而Claude进行比较并展示它们，反复征求输入和反馈并进行A/B测试。”索蒂奥，或许还有整个OpenAI，对此持不同意见，他们认为应用的对话性质优于学习如何使用应用程序。“我们确实看到世界似乎已经准备好了。”他在谈到该应用时说，“这就是为什么我们取得了惊人的采用率。”

尽管如此，尚不清楚特定于模型的驾驭层是否是最大化模型的最佳赌注。Composio和Databricks等公司运行的比较显示，不同的驾驭层和模型组合在编码基准上表现出不同的性能。Databricks发现，由软件公司Earendil发布的开源驾驭层Pi，在使用相同GPT 5.5模型的情况下，性能优于Codex。Pi已被用于构建OpenClaw和Cloudflare OS等项目。Pi的创建者马里奥·泽希纳（Mario Zechner）表示，他刻意极简的驾驭层证明了沉迷于AGI的方法至少对软件工程师和编码任务是有效的。他说，它在显式功能上的不足，由其修改自身和构建自己的接口的能力所弥补。他对OpenAI工程师在将用户群扩展到工程师之外所面临的挑战表示同情。“一切都带有编码代理的形状……原因是他们只有编码代理任务的训练数据。”他告诉TechCrunch，“假设我在管理层，我今天做出一个决定，结果发生在几个月后。你无法在用户和代理来回交互的简单轨迹中捕捉到这一点，所以所有这些类型的任务以及任何你没有数字化的东西，都是模型无法学习的。”

与其他开源提供商一样，他认为大型实验室推动其驾驭层的努力是一种锁定用户的手段；“他们需要拥有整个堆栈；否则，他们就只是模型提供商，然后需要与中国模型竞争。”他和TechCrunch交谈的其他工程师认为，前沿实验室驾驭层中对Token支出和代理行为的洞察过于有限。从某种意义上说，这对非技术工作者意义不大，但与编码工具一样，OpenAI希望的规模采纳最终将迫使人们就更艰难的成本问题进行对话。例如，在每月20美元的订阅中瞎折腾，笔者在四天内使用了超过8000万个Token，根据模型的分析，费用为65美元（应用中没有仪表板）。这意味着仅四天的随意使用，补贴就超过了订阅价格的3倍。“我们每天都在努力推动效率的前沿。”索蒂奥说，他指出最近Luna模型用户的价格下降了80%。“如果你六个月后醒来，你应该能够以更少的花费完成所有相同的[任务]。”

另一个相关的问题是，这些应用是否通过数据保留，或通过配置所有插件及其权限的巨大痛苦，对客户产生了锁定效应。在笔者七月参观的OpenAI总部，木质镶板和植物环绕的环境中，气氛平静但略显紧张；这些人有很多事要做。受访工程师在谈话时不断监控笔记本电脑，并从会议室匆匆赶往另一个会议室。产品工程团队负责人内森表示，重点仍然是“魔法盒子的承诺，但我仍然认为存在太多的复杂性……我非常乐观，我们可以通过模型并以真正AI原生的方式解决它。”