前几天我写文章提到，ChatGPT、Grok3、通义千问这些产品，会经历四个发展阶段，最后一个阶段是“自主智能”。 我们给它一个任务或者想法，它不仅能给出答案，还能主动把各种交互形式加进去，比如生成图表、图片、思维导图之类的，真正变得又自主又实用。 没想到，这个设想这么快实现了。昨天晚上OpenAI推出了它的“智能体全家桶”。 那么，智能体全家桶到底有哪些能力呢？ 首先，他们发布了一个新工具，叫Responses API。这是一个把聊天功能和多种工具（比如网页搜索、文件搜索）集成在一起的API接口；这个API还支持多模态响应，像文本、图像、音频都能搞定。 然后，他们又发布了一个开源框架：Agents SDK。 你可以把它理解成一个智能体软件开发包。在这个开发包里，多个智能体可以互相协作，完成复杂任务。就好比有个智能体总指挥官，负责管理和调度各个智能体，确保它们按照既定流程和规则完成任务。 在Agents SDK中，还内置三个强大的工具，分别是 Web Search Tool、File Search Tool 和 Computer Use Tool。 Web Search Tool，能让模型通过互联网获取最新信息。它支持GPT-4o和GPT-4o-mini模型，能快速检索网页内容并提取关键信息。 File Search Tool专门从文档里检索信息。支持元数据过滤和直接文档内搜索，能快速定位和提取文件里的相关内容，特别适合处理大量文档数据。 Computer Use Tool，是AI可以在计算机上直接执行任务。它让智能体有了类似人类的操作能力，比如浏览网页、填写表单、操作软件等，大大扩展了智能体的应用范围。 OpenAI说，相比去年开源的Agent SDK，这个SDK有了新的改进。 那普通用户怎么用这款产品呢？ OpenAI会通过API公开支持Operator的CUA模型，让开发者构建自己的智能体。开发者可以用API访问这些功能。不过，这款工具预计要到2026年才会开放，到时候会逐步替换旧的Assistants API。 对于C端用户，可以订阅ChatGPT的Pro会员（200美元/月）、Team或Enterprise计划来使用。从价格来看，确实有点贵。 OpenAI表示，随着模型能力逐渐具备更多智能体属性，他们会继续深化API之间的整合，并提供新工具，帮助用户在生产环境中部署、评估和优化智能体。 真是太卷了。 深度推理模型潮刚过，新一波又接上了。我觉得2025年可能是AI智能体发展的元年，现在各大厂商已经开始纷纷布局了。 昨天我看到Manus和通义千问的合作，接下来，腾讯、Kimi、豆包又有哪些进化呢？这些能力会不见进一步影响到企业软件市场呢？ 值得期待持续关注。
