在 2025 年 7 月 17 日，OpenAI 正式发布了全新一代智能代理──ChatGPT agent，它不仅能“聊”，还能“做”。对于科技记者而言，这既是一次技术的演进，更是人工智能实际落地应用的一次重大跃迁。以下，我将从产品技术演进、核心能力亮点、应用场景及安全管控四个维度，带你一窥这款“既能思考又能动手”的 AI 代理。

一、技术演进：融合 Operator 与 Deep Research 的优势

在此之前，OpenAI 曾先后推出 Operator（可在网页上进行点击、滚动、输入）和 Deep Research（可进行深入的信息检索与分析）两项能力。但这两者各有侧重、难以兼得：

• Operator：能够与网站交互，但难以做复杂的深度分析报告；
• Deep Research：能做高质量的信息合成，却无法登录受限页面、细化网页交互。

ChatGPT agent 则将二者优势一举融汇，借助统一的“智能+执行”框架，让模型在同一次会话中既能做深度研究，也能自动化浏览操作，从而实现“从发现问题到动手解决”的闭环。

二、核心能力亮点

1. 多模态工具链：视觉浏览器、文本浏览器、终端与 API

ChatGPT agent 配备了多种“工具”：

• 视觉浏览器：以图形化界面模拟人类在网页上的点击、输入；
• 文本浏览器：用于大文本的检索与分析，助力高效推理；
• 虚拟终端：可下载文件、运行命令、处理数据；
• API 直连：通过 ChatGPT 连接器（Connectors）与 Gmail、GitHub 等应用无缝打通。

模型可根据任务需要，灵活切换工具，从网页抓取到本地命令行处理，再回到浏览器呈现结果。

2. 流程可视、可控、可打断

在执行过程中，用户始终掌握主动权：

• 实时旁白：每一步操作都会有文字说明，让用户清晰了解代理在干什么；
• 随时中断：可随时接管浏览器或停止任务，保证安全；
• 主动询问：对于关键操作（如支付、发送邮件），ChatGPT agent 会征求用户确认后才执行。

三、真实场景下的“生产力”提升

专业办公场景

• 自动化报告：将仪表盘或截图直接转换成可编辑的 PPT；
• 财务建模：利用终端和电子表格接口，自动更新财务数据并保持原有格式；
• 竞争分析：访问信息、整理要点、生成完整分析文档。

个人生活助手

• 旅行规划：搜集航班酒店、制定行程并自动预订；
• 宴会筹备：从选菜、下单到安排座位，一气呵成；
• 日程管理：检索邮箱、查看日历，按优先级提醒并可自动安排会议。

四、性能数据与安全保障

卓越的基准成绩

在多项业内权威测试中，ChatGPT agent 展现了领先实力：

| 基准 | 模型表现 | 说明 | |--------------------|-------------------|--------------------------------| | Humanity’s Last Exam | SOTA 41.6 (单次)44.4（并行策略） | 专家级问答测试 | | FrontierMath | 27.4% 正确率 | 最难数学题集 | | SpreadsheetBench | 35.3% → 45.5% | 电子表格编辑能力大幅超越竞品 | | … | … | … |

严格的安全与隐私控制

以往，Agent 类系统在操作时易遭遇“提示注入”攻击、数据泄露风险。为此，OpenAI 在 ChatGPT agent 上部署了多道防线：

1. Prompt Injection 抵御：训练模型识别、拒绝恶意指令；
2. 用户确认机制：对高风险操作（如转账、发布）强制二次确认；
3. 隐私清除一键式：可一键清空浏览数据、登出所有站点；
4. 浏览器接管模式：输入的敏感信息（如密码）不被模型记录。

五、记者小结：下一步将如何演进？

ChatGPT agent 的推出，标志着“AI 助手”走向更深度的自动化与协作化。作为一名关注 AI·科技前沿的记者，我认为：

• 生产力工具的跃迁：从“辅助写作”迈向“端到端执行”，办公与生活场景均可实现更高效的闭环；
• 工具组合的灵活性：多工具并用使得同一模型能兼顾“深度思考”与“实际落地”，未来可预见更多行业专属“插件”加持；
• 安全与隐私仍是关键：随着能动性增强，误用与滥用风险同步放大，持续完善注入抵御、权限隔离将是必然之选；
• 可持续演进：当前仍处于 Beta、Early Access 阶段，格式美化、跨文件协同等功能仍需打磨，期待后续迭代。

未来，AI 代理将越来越多地参与到日常决策与执行中；它既是你身边的“智囊”，也是脚踏实地的“助手”。对开发者和企业而言，如何将其嵌入既有流程、赋能更多场景，是下一个值得关注的课题。

---

参考链接

• Introducing ChatGPT agent: bridging research and action：https://openai.com/index/introducing-chatgpt-agent/

本文由 OpenAI 官方博客内容改写整理，未经许可请勿转载。