產品

拆解 ChatGPT Work:OpenAI 對十億用戶勾勒的 Agent 藍圖

Latent Space 進行了一次外部逆向工程,將 Memory、Browser Use、Plugins 等七大模組拼湊還原。OpenAI 未公開的架構輪廓,由社群自行補完。

字級

Latent Space 發表了一篇 《Unpacking ChatGPT Work: An external reconstruction of the Agent for a Billion Users》,自行拼湊出 OpenAI 沒講清楚的架構輪廓。

這份研究並非 OpenAI 官方文件,而是社群發起的逆向工程。

這件事本身就值得討論——OpenAI 將 ChatGPT Work 定位為「Agent for a Billion Users」,卻幾乎不揭露技術細節。想弄清楚這個產品的實際樣貌,只能從 UI 變化、API 回應、使用者行為倒推回去。Latent Space 將可觀察的訊號拼成七個模組:Memory、Proactivity、Scheduling、Browser Use、Plugins、Skills、Tools。

讀完後我有幾個判斷,下面展開來談。

為何是「外部逆向」而非官方解讀

OpenAI 目前的資訊揭露策略相當矛盾。模型層(例如 GPT-5)他們願意撰寫論文、釋出 system card,但像 ChatGPT Work 這類「產品型態」幾乎不著墨。

你能在 help center 找到的,全是「如何使用」層級的內容:怎麼開啟 Memory、怎麼調整 Browser Use、外掛怎麼安裝。至於架構層面的問題——Memory 存放在哪、Proactivity 如何觸發、Scheduling 與日曆如何整合——全是黑盒子。

Latent Space 的做法是:緊盯 UI 的細微變化、對比前後版本的產品文案、觀察 API 回應中新增的欄位,再把這些訊號拼成一張系統結構圖。

這種逆向工程本質上帶有推測成分,作者自己也承認這點。但其價值在於揭示了 OpenAI 在 Agent 拼圖上的真實優先順序——哪些模組現在已可用,哪些只是 roadmap 上的占位符。

七塊拼圖中,真正能運作的是哪些

七個模組依「現在能否使用」分成兩群。

已上線且實用:

  • Memory:長期記憶功能已上線,我自己的 ChatGPT 帳號開啟 Memory 已超過半年,能記住使用的語言、使用者身分、過往對話中的偏好。
  • Browser Use:Operator 這個方向,能讓 ChatGPT 自行開啟瀏覽器操作網頁。
  • Plugins 和 Skills/Tools:工具呼叫層,三套並行運作(後文詳述)。

更像是 roadmap 占位符:

  • Proactivity:模型基於記憶主動觸發動作。概念上很吸引人,但目前沒有任何跡象顯示它真的在運作。
  • Scheduling:與日曆整合、定時觸發任務。同樣只展示過 demo,未見實際功能。

這個區分相當關鍵。OpenAI 習慣把 roadmap 裡的項目也寫進產品宣傳,讓人以為功能已可使用。Memory 與 Browser Use 是真正跑得動的;Proactivity 和 Scheduling 則是「我們打算做」的部分。

Memory 不是新鮮事,但它與 Proactivity 結合才值得警惕

單看 Memory 沒什麼新鮮的,單一使用者長期記憶這功能 ChatGPT 已運作數月。

真正讓「Agent for a Billion Users」這個口號有點份量的,是 Memory 與 Proactivity 的組合:

模型基於長期記憶,主動在適當時機觸發動作。

這條線一旦打通,ChatGPT 就從「你問它答」變成「它找你」。

舉個例子。你告訴 ChatGPT 你下週要去東京,它基於這條記憶,在週一早上主動推播「東京天氣如何?要不要幫你查機票?」——這時它已不是聊天機器人,而是在你生活裡安裝了一個會主動伸手的助理。

這件事在技術上完全可行。Memory 已能儲存,Browser Use 已能操作網頁,缺的只是 Proactivity 這個排程層。

但 Proactivity 也是最危險的一塊。主動觸發代表什麼?代表模型在決定「何時找你、找你做什麼」。OpenAI 在 ChatGPT 5 的 system card 中應該會專門討論這塊的安全約束——目前我們無從得知。

Plugins vs Skills vs Tools:三套並行的混亂訊號

這是我讀完後最想吐槽的一塊。

OpenAI 在不到兩年內推出了三套工具呼叫機制:

  1. Plugins(2023 年 GPT-4 時期)——透過 manifest 檔案描述 API,讓 ChatGPT 呼叫第三方服務。
  2. GPTs + Actions(2023 年底)——自訂 GPT 內嵌的 Actions,本質上是 Plugins 的進化版。
  3. Skills / Tools(2024-2025 年)——Agent SDK 中的工具抽象,搭配新的 function calling schema。

三套並存,名稱還互相撞車(「Skills」在 Anthropic 的 Claude 也有,「Tools」在 LangChain / LlamaIndex 也是核心概念)。

對開發者而言代表什麼?

代表你今天寫的整合,明年可能就過時了。我去年為客戶做的 Plugin,今年得改寫成 Actions,下一步大概又要遷移至 Tools 或 Skills。遷移成本是實實在在的開支。

這也是 Agent 基礎設施尚未穩定的典型徵兆。真正的平台層會有一個清晰的工具呼叫規範(MCP 算是一個嘗試,但由 Anthropic 推動,OpenAI 是否採用還是未知數),不會有三套並行、功能互相覆蓋的情況。

OpenAI 自己顯然也沒想清楚 Agent 呼叫層該如何收斂。三套並行的現狀,反映的是內部路線之爭,而非深思熟慮後的產品設計。

逆向工程揭示的盲區

外部復盤有其天然限制。Latent Space 這篇文章能呈現的是:

  • 模組之間的組裝方式(七塊拼圖)
  • 哪些可用、哪些是占位符
  • UI 演進的方向

看不到的是:

  • 失敗率:Browser Use 在 demo 中流暢運作,實際使用時點錯、點慢、當機的機率是多少?
  • 成本結構:Agent 每完成一項任務的 token 消耗是多少?OpenAI 打算如何為十億用戶的 Agent 行為買單?
  • 安全約束:Proactivity 這條線,OpenAI 內部設置了哪些防護機制?

最後一個問題最為關鍵。「Agent for a Billion Users」這個口號的潛台詞是:十億人每天被一個主動伸手的 AI 助理圍繞。這件事帶來的監管壓力、合規風險、社會影響,OpenAI 目前幾乎未曾提及。

文章只告訴你這張餅長什麼樣子,沒告訴你吃下去會不會噎著。

我的判斷

讀完 Latent Space 這篇文章,我的結論如下:

  1. ChatGPT Work 是真的,不是 PPT。Memory 和 Browser Use 已在運作,是真正可用的功能。
  2. Agent for a Billion Users 這個口號,目前撐不起來。Proactivity 未見影子,Scheduling 未見實物。
  3. 工具呼叫層的混亂是真問題。Plugins、Skills、Tools 三套並行,OpenAI 自己顯然也沒想清楚。
  4. 真正的風險在 Proactivity,不在 Memory。這條線一旦打通,AI 助理就從被動變為主動,社會影響是另一個層級的議題。

OpenAI 目前把能講的部分都講了,沒講的部分(成本、失敗率、安全約束)才是 ChatGPT Work 能否規模化落地的關鍵。

逆向工程能看到的拼圖是七塊。剩下的,得等 OpenAI 自己補完。

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