随着人工智能技术的飞速发展，2025年的AI领域迎来了一次重大变革。这次，OpenAI推出的全新Agent模式，正在重新定义人与AI的交互方式。
过去，我们习惯了与AI进行文字交流，无论是提问还是获取信息，都依赖于AI的“动嘴”能力。然而，随着Agent模式的出现，AI不再仅仅满足于“动嘴”，而是开始展现其“动手”的实力。
7月18日凌晨，OpenAI在一场直播活动中，由Sam Altman与四位研究员共同介绍了这一革命性的Agent模式。在Agent模式下，用户可以直接向ChatGPT提出具体需求，如购买婚礼所需物品、设计并打印宠物周边产品，或是生成PPT等。ChatGPT则会自行在虚拟机中操作，逐步完成任务。
从演示中可以看到，一个复杂任务在Agent模式下大约需要10分钟完成。ChatGPT在虚拟环境中能够调用文本浏览器、可视化浏览器和终端等多种工具。这些工具的组合使用，使得AI能够更高效地完成各种任务。例如，文本浏览器负责搜索信息，可视化浏览器则用于模拟键鼠交互或读取图像信息，而终端则可以运行代码、生成文件以及调用云端API等。
此次OpenAI推出的Agent模式，不再仅限于Pro用户，Plus和Team用户也将能够很快体验到这一功能，每月可使用40次。这无疑大大降低了用户的使用门槛，使得更多人能够享受到AI带来的便利。
在演示中，Agent模式展现出了惊人的能力。一个研究员要求AI规划参加朋友婚礼的事宜，包括挑选礼服、预订酒店以及提供礼物建议。Agent启动虚拟电脑后，先使用文本浏览器搜索婚礼信息、着装要求和天气等，然后切换到可视化浏览器检查礼服效果，并最终提供了详细的婚礼出行建议报告。整个过程仅用了十分钟，报告内容详尽且包含了大量链接和截图。
另一个演示则展示了Agent模式的动手能力。研究员要求AI为团队吉祥物设计一批笔记本贴纸，并下单500张。Agent随即调用图像生成工具生成了一张动漫风格的狗狗插画，作为贴纸的设计图案。接着，它打开浏览器访问Sticker Mule网站，上传设计图、填写信息，并将商品加入购物车。整个过程流畅且高效，仅在需要用户确认时暂停。
此次Agent模式的推出，实际上是OpenAI上半年推出的Operator和Deep Research两个工具的融合体。Operator能够分析图形操作界面并做出操作，而Deep Research则能够阅读大量网页并生成调研报告。两个工具的融合，使得Agent模式具备了更强的任务处理能力。
OpenAI表示，在训练模型时，他们使用了强化学习方法。模型一开始会尝试使用所有工具解决简单问题，然后通过奖励高效、合理的行为，逐渐学会如何选择合适的工具完成任务。这使得Agent模式在处理复杂任务时更加得心应手。
然而，随着Agent模式的普及，一系列新的挑战也随之而来。隐私和安全成为用户最为关注的问题之一。当AI在虚拟机中操作网页、输入个人信息时，如何保证安全成为亟待解决的问题。OpenAI表示，他们将采取严格的审查和安全措施，但同时也呼吁整个社会共同适应和建立规范。
Agent时代的到来，标志着AI技术进入了一个全新的阶段。在这个阶段，我们不仅要学会适应AI的“嘴”，更要学会适应AI的“手”。我们需要思考的是，我们愿意多信任AI？愿意把多大的权限交给它？这些问题的解决，将重新定义我们与AI的关系。
与此同时，Agent的爆发也将对就业市场产生深远影响。当AI能够独立完成包含数据检索、图像查证的复杂报告，并直接完成在线预订等任务时，我们的工作将受到怎样的影响？这是每个人都需要思考的问题。
