OpenAI 最新发布 ChatGPT Agent 架构设计剖析 原创

7月17日，OpenAI 重磅发布了 ChatGPT Agent。ChatGPT Agent 的核心是一个统一的智能体系统。它融合了 ChatGPT、Deep Research、Operator 三大技术突破的优势：Operator 与网站交互的能力，Deep Research 整合信息的技巧，以及 ChatGPT 智能对话优势。

因此它不再是一个简单的问答机器人，而是一个能够主动思考并自主执行任务的 AI 智能体。本文将深入剖析 ChatGPT Agent 的技术架构、核心能力、应用场景、安全限制。

下文我们详细剖析之。

一、ChatGPT Agent 概述

1、ChatGPT Agent 是什么？

ChatGPT 现可通过其自有虚拟计算机为您处理任务，能够流畅地在推理与执行之间切换，全程独立完成复杂任务。 

ChatGPT Agent 将 Operator 与网站交互的能力、深入研究在整合网络信息方面的优势，以及 ChatGPT 的对话能力有机融合，形成一个统一的 AI 智能体系统。这意味着您现在可以将想法和问题转化为实际行动——无论是进行深入的财务研究、填写在线表格，还是制作精美的幻灯片。按照您的指示，ChatGPT 将为您完成这些工作，从而加快您的工作进度，同时释放您的时间，让您能够专注于一天中的其他事务。

让 ChatGPT 处理诸如“查看我的日历，并根据最新动态简要汇报即将举行的客户会议”或“分析三个竞争对手并制作幻灯片演示文稿”等请求。它将智能地浏览网站、选择日期、筛选结果、提示您安全登录、运行代码，甚至生成经过润色且可编辑的输出内容——例如：幻灯片演示文稿和电子表格——以总结其分析结果。

最重要的是，您始终掌握控制权。ChatGPT 在执行重要操作前会先征得您的许可，您可随时中断操作、接管浏览器或停止任务。 

2、与传统 ChatGPT 的区别

二、ChatGPT Agent 技术架构和核心能力剖析

1、ChatGPT Agent 技术架构剖析

ChatGPT Agent 技术架构由：统一 AI 智能体架构设计、双浏览器架构设计、虚拟计算机环境架构设计构成。

第一、统一 AI 智能体系统架构设计

ChatGPT Agent 的架构设计是 OpenAI 的一次“大统一”尝试。它不是简单地拼接功能模块，而是重新设计了一套能够无缝协作的系统架构，确保各个组件之间高效协同。

第二、双浏览器架构设计

ChatGPT Agent 使用两种不同的浏览器与在线服务交互：

这种设计让 AI 智能体具备了“左右手”，能够灵活应对各种任务。

• 文本浏览器（左手）：专门处理结构化数据，快速提取关键信息，适合 API 调用和数据分析。
• 可视化浏览器（右手）：模拟人类操作习惯，处理复杂的 GUI 界面，适合电商购物、表单填写等任务。

第三、虚拟计算机环境架构设计

ChatGPT Agent 使用自己的虚拟计算机，能够导航网站、筛选结果、提示用户登录，并提供摘要。这个虚拟环境相当于为 AI 智能体分配了一台专属的“云电脑”，使其能够真正“动手操作”。

2、ChatGPT Agent 核心能力解析

ChatGPT Agent 整合了 Operator 的网页操作能力、Deep Research 的信息综合能力以及 ChatGPT 的对话能力，形成了一个“三位一体”的强大 AI 智能体系统。它不仅能够处理文本，还能操作多媒体文件，提供端到端的解决方案。

三、ChatGPT Agent 实际使用场景

ChatGPT Agent 在很多场景都能很好赋能，本文主要剖析以下3类典型使用场景。

1、商务办公场景

• 竞争分析报告：用户可以要求“分析三个竞争对手并制作幻灯片”。ChatGPT Agent 会自动搜索指定的竞争对手，访问官网、新闻报道和财务报告，提取关键信息，生成包含图表和数据对比的 PPT，并提供可编辑文件供用户完善。
• 财务分析助手：ChatGPT Agent 在财务分析方面表现出色，能够建立详细的成本结构标签并集成到报告中。

2、研究分析场景

ChatGPT Agent 在研究方面的能力尤为强大，可以：

• 搜集多个来源的信息。
• 交叉验证数据的准确性。
• 生成结构化的研究报告。
• 提供引用和参考链接。

3、日常生活场景

• 购物助手：用户可以要求“为周末聚会购买食材，预算控制在200元内”。ChatGPT Agent 会搜索附近超市的在线商城，比较价格和配送时间，优化购物清单，并在用户确认后完成购买。
• 旅行规划：用户可以要求“计划一次三天两夜的京都之旅”。ChatGPT Agent 会搜索航班和酒店信息，制定详细行程安排，预订必要服务（需用户确认），并生成完整的旅行手册。

四、ChatGPT Agent 安全性与限制

1、安全防护机制

OpenAI 在 ChatGPT Agent 的安全设计上下了大功夫。该模型被训练拒绝高风险任务，比如：银行转账，并且开发了新的保护措施来防止黑客滥用其功能，特别强调阻止隐藏在网页中的恶意提示词。

2、使用限制分析

• 访问权限限制：ChatGPT Agent 目前向 Pro、Team 和 Plus 用户推出。Pro 计划用户每月可以使用400条消息，Team 和 Plus 用户每月获得40条消息。
• 功能限制：

     a.不能执行涉及金融交易的高风险操作。

     b.需要用户授权才能访问敏感信息。

     c.某些操作（比如：发送邮件）需要用户监督。

3、风险控制策略

Sam Altman 建议：“我会向家人解释这是前沿和实验性的技术。虽然这是尝试未来的机会，但对于高风险用途或涉及大量个人信息的情况，我建议暂时不要使用，直到我们有机会在实际使用中研究和改进它。”

本文转载自​​玄姐聊AGI​​  作者：玄姐