产品

拆 ChatGPT Work:OpenAI 给十亿用户画的 Agent 饼长什么样

Latent Space 做了次外部逆向工程,把 Memory、Browser Use、Plugins 那七块拼回去看。OpenAI 没公布的架构,民间复刻了一份。

字号

拆 ChatGPT Work:OpenAI 给十亿用户画的 Agent 饼长什么样

Latent Space 发了篇 《Unpacking ChatGPT Work: An external reconstruction of the Agent for a Billion Users》,把 OpenAI 没讲清楚的东西自己拼了出来。

不是 OpenAI 的官方文档,是民间逆向。

这件事本身就值得聊聊——OpenAI 把 ChatGPT Work 定位成 "Agent for a Billion Users",却几乎不披露技术细节。要搞清楚这个产品到底是什么,只能从 UI 变化、API 响应、用户行为倒推。Latent Space 把能观察到的拼成了七个模块:Memory、Proactivity、Scheduling、Browser Use、Plugins、Skills、Tools。

我读完有几个判断,下面展开。

为什么是"外部逆向"而不是官方解读

OpenAI 现在的信息披露策略很拧巴。模型层(GPT-5 之类的)他们舍得写论文、舍得放 system card,但 ChatGPT Work 这种"产品形态"几乎什么都不讲。

你能在 help center 找到的,都是"如何使用"层面的东西:怎么开 Memory、怎么调 Browser Use、插件怎么装。架构层面的问答——Memory 存哪、Proactivity 怎么触发、Scheduling 和日历怎么集成——全是黑盒。

Latent Space 的做法是:盯着 UI 的细微变化、对比前后版本的产品文案、观察 API 响应里的字段新增,把这些信号拼成一张系统结构图。

这种逆向天然带推测成分,作者自己也承认。但它的价值在于暴露了 OpenAI 在 Agent 拼图上的真实优先级——哪些模块是现在能用的,哪些只是 roadmap 上的占位符。

七块拼图里,真正能跑的是哪几块

七个模块按"现在能不能用"分两拨。

能跑且有用的:
- Memory:长期记忆功能已经上线,我自己的 ChatGPT 账号开了 Memory 大半年,能记住所用语言、用户身份、过往对话里的偏好。
- Browser Use:Operator 那个方向,能让 ChatGPT 自己开浏览器点东西。
- Plugins 和 Skills/Tools:工具调用层,三套并行(后面单独说)。

更像 roadmap 占位符的:
- Proactivity:模型基于记忆主动触发动作。概念上很猛,但目前没有任何迹象表明它真的在跑。
- Scheduling:和日历集成、定时触发任务。同样,演示过,没见真东西。

这个划分很关键。OpenAI 习惯把 roadmap 里的东西也写进产品宣传,让你以为它已经能用了。Memory 和 Browser Use 是真的能跑的东西;Proactivity 和 Scheduling 是"我们打算做"的东西。

Memory 不是新东西,但它和 Proactivity 凑在一起才危险

单看 Memory 没啥新鲜的,单用户长期记忆这事 ChatGPT 做了几个月了。

真正让"Agent for a Billion Users"这个口号有点分量的,是 Memory 和 Proactivity 的组合:

模型基于长期记忆,主动在合适的时机触发动作。

这条线一旦走通,ChatGPT 就从"你问它答"变成"它找你"。

举个例子。你告诉 ChatGPT 你下周要去东京,它基于这条记忆,在周一早上主动弹一条"东京天气怎么样?要不要帮你看机票?"——这就不是聊天机器人了,这是在你生活里安了一个会主动伸手的助理。

这件事技术上完全能做到。Memory 已经存了,Browser Use 已经能点网页了,缺的只是 Proactivity 这个调度层。

但 Proactivity 也是最危险的一块。主动触发意味着什么?意味着模型在决定"什么时候找你、找你干什么"。OpenAI 在 ChatGPT 5 的系统卡里应该会专门讲这块的安全约束——目前我们看不到。

Plugins vs Skills vs Tools:三套并行的混乱信号

这是我读完最想吐槽的一块。

OpenAI 在不到两年里推了三套工具调用机制:

  1. Plugins(2023 年 GPT-4 时期)——通过 manifest 文件描述 API,让 ChatGPT 调用第三方服务。
  2. GPTs + Actions(2023 年底)——自定义 GPT 内嵌的 Actions,本质上是 Plugins 的进化版。
  3. Skills / Tools(2024-2025 年)——Agent SDK 里的工具抽象,配合新的 function calling schema。

三套并存,名字还都撞车("Skills" 在 Anthropic 的 Claude 那也有,"Tools" 在 LangChain / LlamaIndex 里也是核心概念)。

对开发者意味着什么?

意味着你今天写的集成,明年可能就过时了。我去年给客户做的 Plugin,今年得重写成 Actions,下一步大概又要迁到 Tools 或 Skills。迁移成本是真的钱。

这也是 Agent 基础设施还没稳的典型征兆。真正的平台层会有一个清晰的工具调用规范(MCP 算一个尝试,但 Anthropic 推的,OpenAI 接不接受还另说),不会有三套并行、互相覆盖的东西。

OpenAI 自己也没想清楚 Agent 调用层该怎么收敛。三套并行的现状,反映的是内部路线之争,不是深思熟虑后的产品设计。

逆向工程看出的盲区

外部复盘有天然边界。Latent Space 这篇能看到的是:

  • 模块之间怎么拼的(七块拼图)
  • 哪些能用、哪些是占位符
  • UI 演进的方向

看不到的是:

  • 失败率:Browser Use 在 demo 里很顺,实际跑起来点错、点慢、点崩的概率是多少?
  • 成本结构:Agent 每完成一次任务的 token 消耗是多少?OpenAI 准备怎么为十亿用户的 Agent 行为买单?
  • 安全约束:Proactivity 这条线,OpenAI 内部设了哪些护栏?

最后一个问题是最关键的。"Agent for a Billion Users" 这个口号,潜台词是:十亿人每天被一个主动伸手的 AI 助理围着。这事的监管压力、合规风险、社会影响,OpenAI 现在几乎没谈过。

文章只告诉你饼长什么样,没告诉你吃起来会不会噎着。

我的判断

读完 Latent Space 这篇,我的结论是:

  1. ChatGPT Work 是真的,不是 PPT。Memory 和 Browser Use 已经在跑,是真的能用的功能。
  2. Agent for a Billion Users 这个口号,目前撑不起来。Proactivity 没看到影子,Scheduling 没看到真东西。
  3. 工具调用层的混乱是真问题。Plugins、Skills、Tools 三套并行,OpenAI 自己也没想清楚。
  4. 真正的风险在 Proactivity,不在 Memory。这条线一旦走通,AI 助理就从被动变主动,社会影响是另一个量级的。

OpenAI 现在是把能讲的部分都讲了,没讲的部分(成本、失败率、安全约束)才是 ChatGPT Work 能不能规模化落地的关键。

逆向工程能看到的拼图是七块。剩下的,得等 OpenAI 自己补。

来源: https://www.latent.space/p/unpacking-chatgpt-work