ChatGPT Agent 发布：OpenAI 开启 AI 驱动的办公自动化新时代

AI Agent 是一种智能程序，可以感知环境，独立做出决策并采取行动来实现特定目标。与单纯的聊天 AI 不同，它代表着 AI 时代真正至关重要的变革性应用。

2025 年 7 月 18 日，人工智能领域再次迎来重大变革。OpenAI 宣布正式推出全新通用 ChatGPT Agent，标志着 AI 从“聊天助手”向“多任务执行者”的转变。该工具不仅可以自动浏览网页、生成 PPT 和运行代码，还可以开放各种应用程序接口，成为用户全方位的数字助理。

什么是 ChatGPT Agent？

ChatGPT Agent 是 OpenAI 新一代 AI 自动化平台，结合了之前几个实验性工具的核心功能：

集成 Operator 的网页操作功能，实现 AI 自动浏览和点击；
集成 Deep Research 的信息整合逻辑，从多个平台获取数据并生成结构化摘要；
引入终端访问权限和 API 支持，用户可以通过提示词调用 Gmail 和 GitHub 等常用服务。

这意味着用户只需要发出自然语言指令，就可以完成诸如“生成演示文稿”、“查询邮箱中某个客户的历史邮件”和“规划旅行路线”等复杂任务。

ChatGPT Agent 有哪些功能？

ChatGPT Agent 可以做什么？

在办公场景中，ChatGPT Agent 展示了卓越的自动化能力，可以自动处理多种类型的复杂任务，使其成为 AI 用于商业自动化的强大典范。它也是企业最有前途的生产力工具之一，提供简化工作流程并提高效率的智能办公解决方案。例如：

自动生成可编辑的幻灯片和演示文稿；
重新安排、自动规划会议或郊游；
快速将财务数据更新到现有的 Excel 模板中；
将屏幕截图转换为矢量元素图表，用于内部报告。

在日常生活中，它还可以通过 AI 个人助理应用程序的功能来帮助用户，帮助完成各种任务，例如：

充当 AI 旅行规划师，组织旅行，包括旅行规划和航班预订；
设计晚餐菜单和安排活动；
寻找本地服务并与专业人士预约。

跨平台集成，连接主流工具

ChatGPT Agent 可以访问 OpenAI 的 Connectors，使其能够与多个第三方平台无缝集成。例如：

从 Gmail 获取电子邮件内容并执行摘要分析；
从 Notion 或日历中提取信息以生成会议纪要；
使用 API 直接操作开发者工具或数据库服务。

这对于远程办公、内容生成和项目管理等场景非常高效。

安全性和用户控制机制

OpenAI 强调用户始终拥有对 Agent 的控制权。任何涉及帐户访问或数据更改的操作都将在执行前获得用户许可，从而加强 AI 数据隐私控制。用户可以随时：

中断正在进行的任务；
手动接管浏览器；
停止数据交互操作。

这种对 AI 自动化的高度用户控制不仅确保了隐私和信息安全，还降低了 AI 驱动流程引发意外操作的风险。

谁可以使用 ChatGPT Agent？

目前，ChatGPT Agent 向以下用户群体开放：

Pro 用户：每月可以执行几乎无限的任务；
Plus 和 Team 用户：每月可以使用 Agent 执行最多 50 个任务，并且可以通过购买点数来扩展其他任务；
企业和教育用户：预计将在 7 月下旬获得访问权限。

对于企业、内容创作者和自由职业者等高频 AI 用户来说，这是一个具有成本效益的智能办公解决方案。

OpenAI ChatGPT

当前的功能限制和未来方向

尽管 ChatGPT Agent 已经展示了惊人的任务能力，但 OpenAI 仍然将其视为“早期产品”。

目前生成的幻灯片在格式和细节上仍然很粗糙；
幻灯片创建目前不支持从头开始（依赖现有模板）；
复杂文档或视觉结构的生成仍需要进一步迭代。

OpenAI 表示，未来将继续提高 Agent 执行复杂任务的能力，推出更多模板支持和视觉布局优化，并提高实际输出质量。

主流 AI Agent 和 ChatGPT Agent 的功能比较表

项目/产品	ChatGPT Agent (OpenAI)	Auto-GPT (开源)	Devin (Cognition Labs)	Personal AI (Humane)	AgentScope (字节跳动)
发布组织/公司	OpenAI	开源社区 (Python)	Cognition Labs	Humane	字节跳动 (内部测试中)
Agent 类型	通用任务 Agent	自主执行 AI 流程编排	AI 开发助理/自动编程	类似于“数字头像”的个人 Agent	跨产品多模态 AI 操作中心
是否需要人工干预	半自动：支持用户中断和确认	自动运行任务链，几乎不需要人工干预	完全自动，模拟人类开发过程	严重依赖用户主动输入	可配置/触发执行
典型功能	浏览网页、查看电子邮件、编写代码、编写文档、生成 PPT	自动抓取信息、分析和行动 (例如编写商业计划)	编写、调试和部署代码；使用终端和 Git	个人日程助理，消息摘要	多 App 联动，AI 命令转换为执行操作
是否支持插件/API 调用	✅ (通过 Connectors 连接到 Gmail、GitHub 等)	✅ (基于 Python + API 脚本)	✅ (内置终端，IDE 环境)	❌ (尚未开放)	✅ (自研 AI 接口系统)
是否可以访问浏览器/网页	✅ (支持网页点击和内容阅读)	✅ (使用浏览器模拟器)	✅ (支持网页调试)	❌ (专注于文本交互)	✅ (通过字节产品生态系统实现)
是否具备执行多项任务的能力	✅ (可以跨应用程序执行多项任务)	✅ (自动生成长任务链)	✅ (可以自动完成开发任务链)	部分 (例如预约、摘要)	✅ (任务联动配置)
安全机制和控制权	用户完全控制，执行前确认	风险高，需要手动限制	未知安全机制 (仍在内部测试中)	高度限制，在本地设备上控制	未公开细节 (可能支持权限配置)
易用性	适用于非技术用户，用户友好的界面	需要本地部署，技术门槛高	主要面向技术用户，仍处于早期测试阶段	面向大众，主要语音交互	面向企业或开发者，尚未公开测试
典型使用场景	办公自动化、知识管理、内容生成	自动生成商业计划、数据分析	编程、技术研发协助	日程管理、个性化提醒	跨平台 AI 控制中心，提高效率
商业化状态	✅ 正式发布 (Plus/Pro 可用)	❌ 非商业开源项目	❌ 未开放使用	✅ 与自有硬件销售合作	❌ 仅内部测试