OpenAI 发布 ChatGPT Agent：把「操作浏览器」与「深度研究」合二为一

OpenAI 于2025年7月17日正式发布 ChatGPT Agent，这是一套「统一代理系统」，把两项原本分开的能力合并进同一个 ChatGPT 对话窗口：一是此前的 Operator，能实际操作浏览器（点击、输入、滚动、填表）；二是 Deep Research，能大量浏览网页并综合整理成报告。加上 ChatGPT 原有的对话理解能力，用户现在可以用一句自然语言指令，交办需要「查资料+做动作+产出成果」的多步骤任务。

官方公布的演示场景包括：查看用户的日程安排，依据近期新闻自动整理出一份客户会议简报；规划日式早餐菜单并直接在购物网站下单食材；分析三家竞争对手的公开信息，产出一份演示文稿。这些任务过去需要用户在多个标签页、多个工具之间手动切换，现在由代理一次串联完成。功能先开放给 Pro、Plus、Team 订阅用户，后续会扩展到 Enterprise 与 Edu 方案。

技术意义：从「单次回答」走向「可执行的多步骤流程」

过去的 ChatGPT 本质上是问答式工具——用户问、模型答，中间的查资料、操作系统、产出文件都得靠人工完成。ChatGPT Agent 的关键变化，是把「理解任务」「规划步骤」「在真实网页与文件间执行动作」三件事串成一条可自主运作的链路。它能在公开网站、用户上传的文件，以及已连接的第三方来源（例如邮箱、文档库）之间自主研究与整合，并实际执行填表、编辑电子表格等操作，而不只是输出一段建议文字。

安全机制与前代的差异

值得注意的是，OpenAI 并未把代理设计成「全自动黑箱」。系统在采取有实际影响性的动作（例如提交表单、完成付款）前，会先向用户征求许可；用户也可以随时中断任务、接管浏览器操作，或直接停止代理运行。这种「人在回路中」的设计，反映出业界对代理型 AI 的普遍顾虑——动作型 AI 一旦出错，代价比纯文本回答高得多，因此可控性与可中断性成为这类产品能否被信任的关键指标。

对管理者的意义

这则发布代表「AI 助理」正从单纯的对话工具，逐步演变成能实际执行办公室例行任务（资料收集、初稿制作、跨系统操作）的工作伙伴。管理者不妨留意：哪些团队里「查资料+整理+产出文件」的重复性工作，未来可能先交给代理处理初稿，再由人力把关关键决策与最终确认。