產品

OpenAI 推出 Dots:常駐 Agent 是真未來,還是下一個 Devin?

401 分、306 則留言,OpenAI 用 Dots 把 Agent 推向「永遠在線」。但這條路上早已有先烈倒下。

字級

OpenAI 上週在官方部落格發表了新產品 Dots(https://openai.com/index/introducing-dots/),定位為 always-on agent——也就是常駐式、在背景執行的 AI 助理。消息一出,直接衝上 Hacker News 首頁,拿到 401 分、306 則留言(來源:Hacker News item?id=49896604),討論熱度相當高。

但筆者看完留言區一圈,興奮和質疑幾乎各半。本文想聊三件事:Dots 到底是什麼、為什麼 HN 上吵成這樣、以及它和過去那些「永遠在線」Agent 的前輩有什麼不同。

Dots 到底是什麼東西

根據 OpenAI 官方部落格的說法,Dots 不是另一個 ChatGPT 對話視窗。它是一個常駐 Agent——你給它一個目標,它就在背景一直跑,主動回報進度。

對照一下形態差異:

  • ChatGPT 形態:使用者提問 → 模型回答 → 結束。下一次互動需要人再發起。
  • Dots 形態:使用者設定目標 → Agent 背景持續執行 → 主動推回結果 → 期間不需要人一直盯著。

換句話說,ChatGPT 是「你找 AI」,Dots 是「AI 找你」。

官方部落格舉的例子大致是這樣:你讓 Dots 監控某個 GitHub repo 的 issue,等有人提特定標籤的 bug 時自動跑測試、產生 patch、推到某個分支。這種任務過去要嘛靠 GitHub Actions 寫一堆 YAML,要嘛靠人盯著 Slack。現在理論上可以讓一個 AI 一直在背景替你盯著。

聽起來很美。但問題是:有多少人真的需要這種 24 小時在線的 AI?

筆者自己用下來,大部分 Agent 情境其實是「觸發式」的——需要的時候跑一下,跑完就關掉。常駐 Agent 適合的是那些非同步、長週期、需要等待外部事件的任務,例如監控、巡檢、資料 pipeline。這類需求在企業裡有,但對一般開發者來說,可能沒那麼高頻。

為什麼這次 HN 討論這麼炸

401 分、306 則留言,這個量級在 HN 上算大新聞了。筆者把留言區高頻觀點歸了一下類:

正面派(約佔 40%):

  • 「終於,OpenAI 在做真正的 Agent 產品了」
  • 「這是 ChatGPT 之後最讓人興奮的產品」
  • 「Operator 的下一步」

質疑派(約佔 50%):

  • 「又一個 Devin?」——出現頻率最高的留言
  • 「Always-on agent 這個詞 2023 年就有人喊過了」
  • 「等 API、等開源、等實際跑通 benchmark」
  • 「OpenAI 的產品發表越來越像 keynote 了」

吃瓜派(約 10%):

  • 各種 meme、調侃、以及討論 Sam Altman 什麼時候再融資 8 億。

筆者注意到一個細節:「Devin」這個詞在留言區出現了 20 多次。大家拿 Devin 當對照組,說明市場對這個品類的記憶是負面的。Devin 去年發表時也是這種熱度,後來 demo 翻車、訂閱暴跌,現在幾乎沒人提了。

另一個高頻詞是「demo」。很多人在問:Dots 有沒有真實的執行 demo?能不能看到它真的「常駐」跑了幾天的真實任務?還是其實又是一段錄好的影片?

Always-on 這個詞,不是 OpenAI 第一個用

回顧一下這條賽道上的產品:

  • Devin(2024 年初):Cognition AI 發表的「第一個 AI 軟體工程師」,定位就是 24 小時自主編程。Demo 驚艷,估值飆到 20 億美元。但後來被發現 demo 是錄製的,實際表現遠不如宣傳,訂閱用戶大量流失,現在基本沉寂。
  • Replit Agent(2024 年下半年):從 IDE 裡孵化出來的 Agent,可以獨立完成 web app 開發。不是 24 小時在線,但能在背景跑任務。目前還活著,但定位已經往「AI 編程助手」回歸。
  • AutoGPT(2023 年):最早喊出「autonomous agent」口號的產品,可以自己設目標、自己拆任務、自己執行。後來因為不靠譜、跑飛、被玩壞,現在基本只剩 GitHub star。
  • Claude Computer Use(2024 年底):Anthropic 出的,讓 AI 直接操控電腦。形態上是「對話式觸發」,不是常駐,但代表了 Agent 操控 GUI 的能力上限。

這些產品有一個共同點:都嘗試過 always-on 或類 always-on 的形態,最後都轉向了「人主導 + AI 輔助」的模式。

Dots 憑什麼覺得自己能做起來?筆者沒在部落格裡看到明確答案。可能 OpenAI 的底氣來自下面這些技術儲備。

技術上 Dots 有可能怎麼實現

常駐 Agent 不是單一模型能搞定的事,它需要一整套系統協同。基於 OpenAI 現有的產品矩陣,筆者推測 Dots 大概率是這幾塊能力的組合:

1. O3 推理模型——負責做複雜決策、任務拆解、異常處理。
2. Operator 瀏覽器代理——負責執行需要操作網頁的任務。
3. Memory 記憶系統——負責跨會話、跨任務的長期記憶。
4. Codex 程式碼代理——負責程式碼相關的子任務。

把這四塊拼起來,大概是這樣的運作機制:

# 推測的 Dots 架構(虛擬碼)
class DotsAgent:
    def __init__(self):
        self.planner = O3()           # 推理+規劃
        self.executor = Operator()    # 瀏覽器/工具執行
        self.memory = MemoryStore()   # 長期記憶
        self.coder = Codex()          # 程式碼子任務
        self.triggers = TriggerSystem() # 背景觸發器

    async def run_forever(self, goal):
        while True:
            # 等待事件觸發(輪詢/webhook/排程)
            event = await self.triggers.wait()
            # 用 O3 拆解任務
            plan = self.planner.decompose(goal, event)
            # 執行
            for step in plan:
                result = await self.executor.run(step)
                self.memory.record(step, result)
                if needs_code(step):
                    await self.coder.run(step)
            # 推回結果
            self.notify(plan, result)

關鍵難點不在模型能力,而在於:背景運行的可靠性、成本控制、錯誤恢復、以及「人怎麼信它」。

一個常駐 Agent 如果一晚上跑飛了,燒掉幾十美元 API 成本,使用者隔天看到帳單心態會崩。如果它靜默失敗了,任務沒跑通,使用者可能一週後才發現。這兩個問題不解決,always-on 永遠只能是 demo。

編輯思考

筆者的判斷是:Dots 是認真的,但「always-on」是個被高估的需求。

認真在哪?OpenAI 把 Operator、Memory、Codex 幾個獨立產品打包成一個統一形態,說明內部是真的想押這個賽道。不是又一輪 PPT 行銷。

但需求被高估在哪?過去兩年,Devin、AutoGPT、Claude Computer Use 一輪一輪地教育市場,結果是大部分人發現:自己其實不需要一個 24 小時在線的 AI 助理,需要的是觸發可靠、價格便宜、人可以隨時介入的 Agent。常駐只是其中一種觸發方式,不是唯一答案。

和 ChatGPT 插件、GPTs 相比,那次失敗的原因是「開發者沒動力、使用者沒場景」。Dots 這次瞄準的是「非同步長任務」這個更窄但更剛需的場景,筆者覺得方向上更對。

最大的不確定是:OpenAI 會不會真的把 Dots 的核心能力透過 API 開放出來。如果只是 ChatGPT 內的一個新功能,那它的天花板就是 ChatGPT 的使用者量。如果開放 API,開發者能基於它搭自己的常駐工作流,那才有真正的想像空間。

筆者賭前者。等著被打臉。

來源: https://openai.com/index/introducing-dots/