你愿意让大语言模型（LLM）对你的数字生活拥有多少控制权？
要从模型中获得最大价值，就意味着要把钥匙交给它。对于控制欲强或对 AI 心存疑虑的人来说，这似乎要求过高。但对于 OpenAI 桌面应用的负责人 Andrew Ambrosino 来说，这是测试未来的唯一途径，因此该应用现在可以访问并控制他的收件箱、Slack 账户、手机、Notion 和 Figma 等应用程序，以及更多服务。
"如果我让它写一份文档，它是否会从与该主题相关的私人直接消息中提取信息，而不知道不应该分享某些信息？是的，" Ambrosino 告诉 TechCrunch。"为了工作我会这么做。如果必须的话，我愿意承担一些个人风险。而且我目前还没有遇到这种情况。"
Ambrosino 负责的是 OpenAI 最大的赌注——ChatGPT Work，该产品于上月发布，可在该公司最低订阅层级中以每月 20 美元的价格使用。该产品的目的是让白领员工能够使用 AI 智能体——将大语言模型连接到会计师、投资者、医生以及其他日常工作中被电脑主导的人群所使用的数字工作流中。
OpenAI 的营销文案简洁地阐述了目标：一个“人工智能”不仅限于回答问题，而是帮助每个人将最大胆的想法变为现实的世界。
对于软件开发者来说，这种转变已经发生，但在其他部门的推广却较为缓慢。ChatGPT Work 是该公司 Codex 编码工具的修改版。它旨在为非工程师提供与软件工程师从智能体中获得的相同功能：一种不仅能回答问题，还能自主完成多步骤项目的 AI 工具。
"在这个新因素下，ChatGPT 实际上可以以令人愉悦且安全的方式，完全自主地为你执行整个非常复杂的任务，" 负责 OpenAI 核心产品工作（包括 Work）的 Thibault Sottiaux 告诉 TechCrunch。"这正是 OpenAI 的使命——让每个人都参与其中。"
在商业层面，这一点至关重要。运行时间更长的智能体会消耗更多的 token，这使得 OpenAI 在每个用户身上能获得更高的利润。拓展新的职业领域至关重要——这不仅对 OpenAI 重要，对整个行业也是如此。如果编程已被证明是 AI 实验室有利可图的领域，但它仍然是 AI 工具需要支持的职业工作中的一小部分，这些公司若要为其在训练和计算方面的巨额投资提供正当理由，就必须覆盖更广泛的职业。虽然实验室一直专注于软件工程师，但垂直领域的竞争对手如 Harvey（法律领域）和 Clay（销售领域）正以模型无关的方法追逐这些客户，这意味着它们会接入当时效果最好的任何 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在市场上扩展 AI 所需的关键互补资产，价值将在其他地方积累，" Christian Catalini 写道在 a16z 的“是时候构建了”博客上。
让 AI 应用为非软件工程师用户所用，需要更多的引导和协助。Ambrosino 表示，OpenAI 的非工程团队（如公关和财务团队）开始使用 Codex 时，该工具对他们并不友好——它会向他们询问代码问题，并展示类似“哦，这个东西的空差异（empty diff）”这样的技术读码结果，而这是专为软件变更设计的技术输出。“因此，我们从二月到现在开始让它变得更加通用。”
一项由 OpenAI 支持的研究发现，六月时有 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。公司内部近乎全面采用与外部几乎无人采用的巨大差异，既是该公司的挑战，也是其机遇。
Sottiaux 表示：“我们为用户创造的价值和效用越多，他们就越愿意为其中一部分效用付费，这也是我们一直看待 ChatGPT 的方式。”他说，“你会坐在那里想，‘我当然愿意每月花 20 美元来使用这个服务’，因为你获得的价值要大得多。”
如何让 AI 更直观
要理解这种脱节，有助于了解 OpenAI 的工程师们正在构建什么。每个大语言模型（LLM）都需要工程师所称的“框架”（harness）——即包裹在模型周围的软件，它决定模型能看到哪些信息、可以使用哪些工具，以及如何将答案呈现给用户。
如果你希望该模型执行任务——成为智能体——那么框架会为其提供工具和指令，以便其在长期任务中使用这些工具。对于开发者而言，一个能够启用 LLM 进行编程的命令行界面（CLI）就足以改变软件和部署的方式。但大多数人并不使用 CLI；Windows 取代 DOS 的原因正在于此。
Ambrosino 告诉 TechCrunch，超越软件工程领域的代理式产品“将会是一个与你生活中混乱的世界、你的工具和那些建于 1995 年且从未更新过的网站打交道的事物”，他解释说，他的团队正在构建的体验对于扩大有用 AI 的访问权限至关重要。
以 Claude Code 和 Codex 等应用为例：它们通过抽象掉所有实际的软件编写工作，让用户只需告诉模型他们在程序中想要什么，从而释放了“氛围编程”（vibe coding）的力量。现在，OpenAI 希望使像 OpenClaw 这类工具中的功能变得像提示词一样简单，而程序员们正是利用这些工具让 LLM 发挥作用。
“如果没有这些产品摆在模型面前，专家当然知道如何达到同样的效果，但你无法让十亿人使用它。”Ambrosino 表示。在 OpenAI 内部，关于“高级用户所需功能”与“主流普及所需条件”之间的权衡引发了激烈辩论，部分员工认为，如果用户可以直接向模型提问，那么设置按钮就是多余的。
“我们对此持反对意见——因为现在还太早了，”Ambrosino 说。“在这个阶段，可发现性至关重要，而总有一天我们会取消这个按钮。”
Work 还有几个用于选择项目和插件的按钮，但其目标仍是与其他 OpenAI 产品相同的“魔法框”界面。他将其比作“拟物化”（skeuomorphism），即一种逐渐褪色的设计实践：让数字工具看起来像它们所取代的物理对象，例如将计算器应用设计成口袋计算器的样子。“那些设计并不只是令人尴尬的糟糕设计。它们实际上帮助人们进入这一领域并实现过渡，”Ambrosino 说。
OpenAI 并未透露 Work 和 Codex 的具体用户数量，但该联合应用的用户仅为 2000 万人，而该公司称其在线 ChatGPT 的用户已超过十亿。
赋予 ChatGPT 技能许可
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。其员工正在设置每周指标报告，例如，并将电子表格转化为规划工具。
我曾与一些风险投资人交谈，他们利用智能体将相关沟通和公司分析汇编成投资备忘录，运营团队则构建定制化的仪表板和数据可视化图表。Sam Altman 正用它来规划他的假期。一位 OpenAI 工程师描述道，他曾要求程序查看一段关于工程问题的 Slack 对话并“制作一些图表”，随后收到了一系列富有洞察力的图表。
“对于任何一家公司的普通员工或职员来说，包括我在内，都存在信息洪流，”领导 OpenAI 产品工程团队的 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。这些信息存储在各种系统记录工具中 [如 Salesforce]……ChatGPT 的价值在于，你原本就能访问这些数据，但现在你真正能够访问这些数据了。”
那么，这或许正是 AI 布道者们梦想中的数字个人助理。与 Claude Cowork 或 Perplexity AI 的浏览代理类似，ChatGPT Work 将代理连接到你的现有工作区——包括电子邮件、网页浏览器以及一系列 SaaS 平台——并利用这些上下文为你服务。
当系统运行良好时，其表现令人印象深刻：我让 ChatGPT Work 从我的电子邮件中提取格式奇特的儿子幼儿园日历，并将其添加到我的 Google Calendar 中，它确实做到了，为我节省了大量重复的数据录入工作。希望现在我不会忘记学校的聚餐活动，也不会错过安排假期托儿服务。
我不信任 OpenAI 访问我的收件箱、采访来源或故事草稿（别担心，AI 怀疑论者们），也不允许它访问我的银行账户，但我相信如果我有足够的信心，它会更有用。我让它对我所报道的上市公司进行财务分析，它为我提供了一个自动更新的指标仪表板；它还创建了一个可查询的太空发射数据库，而这以前需要我编写 Python 脚本来完成。此外，它还会每周发送一封电子邮件，汇总学术平台上发布的新 AI 研究动态。我会继续对其进行实验。
虽然向模型提出请求很直观，但给它提供采取行动所需的信息却并不简单。为代理设置访问云盘等资源的权限既令人困惑又陷入循环——我曾多次尝试只授予“读取”权限，却收到错误提示。模型本身也没能提供太多帮助，但最终在手机应用上弹出一个对话框，告诉我只有授予完全访问权限才能使其正常工作。
许多重要设置仅在网页版应用中可用，因此我经常发现自己同时使用两个平台。有时 ChatGPT Work 的限制令人费解——将其链接到你的 Google Calendar 后，它可以创建活动，但不能创建新日历。而且，除非任务难度较高，否则不要指望它能做什么，否则你得到的将是你合作过的最糟糕的实习生。
这是 AI 早期采用者们的常见建议，他们担心受挫的新手会放弃。OpenAI harness 的工程主管 Joe Gershenson 承认，对于新用户来说，努力程度设置尚不直观——“我们可以在帮助他们获得合适的推理水平方面做得更好……”他说，并补充道，“敬请期待。”
OpenAI 在打入普通白领工作领域时还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，要么不能运行，即使这种区分也简化了关于代码好坏的细微差别。一份优秀的演示文稿、商业策略或销售演讲就不那么容易评估或追溯。
Ambrosino 说：“这类产品的一个独特挑战在于，它真的可以做任何事情。”当我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，我交谈过的工程师们回避了这个问题，称这是 OpenAI 研究团队的问题。
OpenAI 随后给出了回应，告诉 TechCrunch 它使用的是其基准测试 GDPval，该基准源自 44 个职业和数百项知识工作测试，并辅以用户反馈。一个非官方的说法是，这些数据来自 OpenAI 员工自身。Ambrosino 表示：“我们必须始终分辨……我们是在做其他人都会做的流程，还是我们在搞特殊？”
应用程序的早期采用者将通过他们的实际使用产生有价值的痕迹——许多编码工具的成功都建立在类似的数据收集之上——前提是他们不选择退出让数据用于训练。（我选择了退出。）
推动 OpenAI 产品设计的竞争 rivalry
尽管人们密切关注模型界面，但 OpenAI 的工程师们不愿回答一个相当简单的问题：Codex 和 ChatGPT Work 与 Claude Cowork 或其他旨在面向大众用户的竞争性代理框架有何不同？
“这对你来说会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那些框架，” Gershenson 在一次典型的回答中说。“《广告狂人》 ‘我根本不在乎你’ ”这个梗浮现在脑海中。”
坦率地说，我不相信他们，仅基于这些产品用户界面的极度相似性、任何企业对竞争情报的需求，以及因为当我启动 ChatGPT Work 时，它让我做的第一件事就是移植我的 Claude Cowork 数据。
如果 Claude Code 在 OpenAI 办公室内是一个敏感话题，那也是可以理解的。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革命。此外，这也令人沮丧，因为 OpenAI 最先有了这个想法，但没有完全正确地利用它。
当 OpenAI 最初将 Codex 开发为网页应用时，工程师们有些过于自信了——或者用 Ambrosino 的话说，“有点被 AGI（通用人工智能）洗脑了”。简而言之，他们押注于模型足够聪明，能够以极少的用户输入独立完成一项任务。
不久后构建的 Claude Code 则围绕与用户的来回对话展开。如果你给它一个问题，它会调查各种可能性，并给你三到四个继续进行的选项。一旦你做出选择，它会再进一步，然后再次回来检查，提供持续更新，从而减少模型和框架出错的空间。
Anthropic 的方法证明更为有效，即使它要求用户付出更多努力。Ambrosino 现在表示：“[我们的] 产品在当时稍微领先于模型和框架的水平。”
OpenAI最终也采取了类似措施，增加了用户与模型互动的机会。这就成为了我们今天所熟知的Codex，拥有桌面端和移动端应用。以下载量作为对程序兴趣度的代理指标来看，Claude Code直到今年四月之前更受欢迎，但现在Codex已略微领先；对企业使用情况的调查也表明OpenAI正在迎头赶上。
这种领先地位的一部分来自于实现正确的产品市场契合度，另一部分则源于对 Anthropic 模型安全限制的不满以及计算资源的短缺。OpenAI 向更以人为本的框架迈进的步伐随着 ChatGPT Work 而继续，但我交谈过的工程师坚持认为，关键区别在于 OpenAI 最新强大且具成本效益的模型的实力。
“令人沮丧的答案是，很多时候问题出在模型上。我们在这款应用中努力做好的一件事就是充分利用模型。”Ambrosino 表示。
那么，究竟什么才是一款好的 harness（框架/接口）？
这种解释回归到AI研究人员所吸取的“痛苦教训”，即更好的通用模型比特定领域的经验更重要。对于真正的信仰者而言，框架只是暂时的拐杖，而非护城河。
“你可以通过添加大量额外功能——比如各种条件判断和工具——在短期内获得不错的结果，但话说回来，下一个模型将在几个月内发布，让那些东西变得过时。”Gershenson 对 TechCrunch 表示。他的团队专注于以最简单的方式将模型暴露给它所需的工具和上下文——仅此而已。
“优秀的 harness 工程的目标是……更精确地界定模型真正需要哪些信息来解决你的问题，因为如果你只是放手让它们自由发挥，模型会越做越好。”Gershenson 说。
然而，大多数人或模型是否已准备好迎接这一点仍是一个未解之谜。研究职场AI工具的沃顿商学院教授Ethan Mollick仍然认为Claude更易于用户操作，写道：“ChatGPT倾向于施展魔法并直接为你完成，而Claude则进行比较并展示结果，反复征求输入和反馈，并进行A/B测试。”
Sottiaux，或许还有 OpenAI 整体，对此持不同意见，他们认为这款应用的对话式体验优于学习如何使用应用程序。“我们确实感觉到世界已经准备好了。”他谈及这款应用时表示，“这就是为什么我们取得了惊人的采用率。”
尽管如此，尚不清楚针对特定模型的框架是否是最大化模型性能的正确选择。Composio和Databricks等公司进行的比较显示，不同的框架和模型组合在编码基准测试中表现出不同的性能。Databricks发现，由软件公司Earendil发布的开源框架Pi在使用相同的GPT 5.5模型时表现优于Codex。Pi已被用于构建OpenClaw和Cloudflare OS等项目。
Pi 的创始人 Mario Zechner 表示，他有意设计的极简主义 harness 证明了一种“AGI 信仰者”（AGI-pilled）的方法至少对软件工程师和编码任务是可行的。他说，虽然它在显性功能方面有所欠缺，但其自我修改和构建自身界面的能力弥补了这一点。他对 OpenAI 工程师在将其用户群从工程师扩展到更广泛人群时所面临的挑战表示同情。
“一切看起来都像编码代理……的原因是他们只有针对编码代理任务的训练数据。”他告诉 TechCrunch，“假设我是一名管理者，我今天做了一个决定，而结果要几个月后才显现。你无法通过简单的用户与代理来回交互轨迹来捕捉这种情况，因此所有这类任务以及任何未被数字化的内容，模型都无法从中学习。”
与其他开源提供商一样，他认为大型实验室推动其 harness 的努力是一种锁定用户的手段；“他们需要掌控整个技术栈；否则，他们只会沦为模型提供商，然后不得不与中国模型竞争。”
他与 TechCrunch 交谈的其他工程师认为，前沿实验室的 harness 中对 token 消耗和代理行为的洞察过于有限。从某种意义上说，这对非技术人员来说意义不大，但就像编码工具一样，OpenAI 所期望的大规模采用最终将迫使人们就成本问题进行更艰难的讨论。
例如，在我每月支付 20 美元的订阅期间随意试用时，我在四天内使用了超过 8000 万个 token，根据模型的分析，这花费了 65 美元（应用中没有仪表板）。仅这四天的随意使用，补贴就超过了订阅价格的 3 倍。
“我们每天都在努力推进效率的前沿。”Sottiaux 表示，并指出 OpenAI 的 Luna 模型近期为用户降价 80%。“如果你六个月后醒来，你应该能够以更低的成本完成所有相同的 [任务]。”
另一个相关的问题是，这些应用是否通过数据保留，或者配置所有插件及其权限所带来的巨大麻烦，对客户产生了锁定效应。
在我七月访问的OpenAI总部——那里装饰着木质护墙板和绿植——氛围平静却略带紧张；这些人有很多事情要做。与我交谈的工程师们一边聊天，一边不断盯着笔记本电脑，并匆匆从一个会议室赶往另一个会议室。
产品工程团队负责人Nathan表示，重点仍然在于“实现魔盒的承诺，但我认为复杂性仍然过高……我非常乐观，相信我们可以通过模型并以真正AI原生方式解决这个问题。”