从聊天助手到遵循流程的工作代理

OpenAI 最新关于 Codex 的指南,更清楚地展示了公司希望 AI 如何更深入地融入日常工作。在一篇新的 Academy 说明中,OpenAI 描述了推动这一变化的两个组成部分:插件,让 Codex 连接外部工具和信息源;技能,让它学习团队或公司希望任务如何执行。

这种区分很重要,因为它将 AI 的价值从单次提示转向了更系统的应用。插件提供访问能力,技能提供执行流程。两者结合后,AI 开始更像办公工作的轻量运营层:一个代理可以从连接系统中拉取数据,然后按照一致的、组织专属的工作流执行,而不必每次都重新下指令。

这听起来也许只是增量改进,但它指向的是更大的目标。Codex 不再仅仅是一个对话助手,而是被定位为一个能够连接工具、获取上下文,并且能严格遵循可重复流程、产出真实结果且较少依赖人工监督的系统。

插件的作用

OpenAI 的说明称,插件帮助 Codex 连接到其他工具和信息来源。它给出的例子务实而非科幻:扫描电子邮件收件箱、引用 Google Drive 中的文件,或从团队已在使用的其他工具中提取信息。换句话说,插件的作用是减少通常把聊天界面与实际工作系统隔开的手工复制和粘贴。

这很重要,因为许多办公任务都受困于上下文碎片化。一份报告可能需要来自电子邮件、文档、仪表盘和内部笔记的信息。如果没有连接器,用户必须先手工收集这些内容,AI 才能做任何有用的事。插件通过让系统直接从已连接环境中获取所需内容,缩小了这一差距。

OpenAI 还指出,创建新的插件通常比创建技能需要更多技术能力。这表明插件更像基础设施,而技能则更适合由团队来定义自己的操作手册。

技能的作用

如果插件提供访问,技能就提供方法。OpenAI 将技能描述为 Codex 可以遵循的操作手册,用来教它在特定团队或公司内部某项任务的具体做法。公司的例子很能说明问题:团队如何撰写通讯、如何准备客户账户简报、如何格式化项目计划、如何按品牌语调审核外部沟通,或者在汇总数据时按什么顺序检查哪些工具。

这反映出商业工作的一个核心事实:许多任务只有一部分是通用的。周报、客户简报或内部报告从外部看可能很简单,但在实际中,每个组织都有自己的结构要求、审批逻辑和语气。技能正是 OpenAI 对这种差异性的回应。团队无需反复做提示工程,只需一次性编码期望,之后就可以反复调用。

OpenAI 的解释之所以值得注意,还在于其运作方式非常明确。公司并没有把技能描述为创意增强器,而是将其视为标准化流程执行的方法。

为什么二者结合很重要

这个框架最有意思的地方在于 OpenAI 如何描述将两者结合使用。来源文本中的例子很有代表性:某个技能可以指示 Codex 使用 Google Drive 插件,从文件夹中提取最新文件,然后按照团队偏好的格式起草每周项目更新。这样的组合把 AI 从通用文本生成器变成了更接近工作流执行者的东西。

这意味着的不只是通讯或状态摘要。如果系统能够检索正确的文件、按正确顺序检查正确的工具,并按要求的结构产出工作,那么许多重复性的知识工作都可以被进一步自动化。也许还不是完全自治,但已经比过去更适合被分派出去。

这也是“思考辅助”和“工作辅助”之间界限更清晰的地方。传统聊天系统在用户带着全部上下文并主动指挥每一步时最有用。连接后、具备流程意识的代理则可以开始承担工作中程序化的中段部分。

OpenAI 释放的信号

Academy 指南属于产品教育,但它也传递了战略信号。OpenAI 显然在押注,企业 AI 采纳的下一阶段将不再仅仅取决于原始模型能力,而更取决于 AI 系统与既有工作环境契合的程度。工具接入、可重复的流程知识以及组织特定的行为,或许与通用智能一样重要,决定 AI 是否能真正有用地融入工作。

这是一种显著变化,因为它降低了对完美提示词的依赖。在这种模式下,更好的路径往往是一次性投入结构:连接正确的系统,定义正确的工作流,然后让代理反复复用这套设置。

当然也存在明显限制。连接系统会带来治理问题,可重复工作流仍然需要审查。OpenAI 自己也将 Codex 描述为需要方向指引和工作完成前复核的工具。但方向是清晰的。公司试图让 AI 不只是响应式的,而是具备操作性。

技能和插件看起来像是一对听上去并不张扬的功能。实际上,它们对应的是一个更大的想法:当 AI 既能看见工作环境,又能遵守其中的本地规则时,它才会更有价值。对于想要超越试验阶段的企业来说,这也许比聊天表现再提升一点点更重要。

  • OpenAI 说插件把 Codex 连接到外部工具和数据源。
  • 技能被描述为适用于团队专属工作流的可复用操作手册。
  • 两者结合后,Codex 可以先获取信息,再按既定流程执行。
  • 这一框架指向能更直接处理重复性运营工作的 AI 系统。

本文基于 OpenAI 的报道。阅读原文

Originally published on openai.com