北京时间2026年7月18日凌晨，OpenAI通过直播正式发布了ChatGPT Agent。这不是一个全新的独立产品，而是一次能力的深度融合——将此前分别发布的Operator（智能体网页交互）和Deep Research（深度研究）两大功能合二为一，让ChatGPT内置的「计算机」能够自主完成复杂的多步骤任务。如果说ChatGPT是对话引擎，那么ChatGPT Agent就是能够动手干活的数字员工。
Agent能做什么？从查看日历到分析竞品
在发布会演示中，ChatGPT Agent展示了多项令人印象深刻的能力：查看用户日历，结合近期新闻为即将举行的会议准备背景介绍；分析三个竞争对手并自动创建对比幻灯片；将屏幕截图批量转换为可编辑的PPT文件；用新的财务数据实时更新电子表格；根据邮件内容自动重新安排会议时间。
这些任务的共同特点是：跨应用、多步骤、需要信息整合和自主判断。传统的AI助手可以聊天、可以生成文本，但无法「操作」——不能点击网页、不能读取文件、不能在多个工具之间切换。ChatGPT Agent补上的正是这一关键缺口。
Operator + Deep Research：1+1>2的融合逻辑
Operator是OpenAI在2025年1月推出的网页交互智能体，能够像人类一样滚动、点击、填写表单、浏览网页。Deep Research则专注于信息深度分析和整合，能自动搜索、阅读、交叉验证多源信息并生成长篇研究报告。
两者的融合产生了化学反应：Agent现在不仅能「查」，还能「做」。比如「分析竞品并创建幻灯片」这个任务——Agent先用Deep Research能力搜索竞品官网、财报、新闻报道，提取关键数据；再用Operator能力打开PPT在线工具，将分析结果填入模板，生成可分享的链接。整个过程无需用户手动干预。
竞争格局：Google、Anthropic紧随其后
ChatGPT Agent的发布将AI智能体竞争推向新高度。Google的Gemini也在集成Google Workspace生态，打造类似的跨应用Agent能力。Anthropic的Claude以Computer Use功能实现了桌面端操作能力。中国方面，阿里的Qwen3系列在Agent能力上持续突破，百度的文心智能体平台也在快速迭代。
市场研究机构Gartner预测，到2028年，至少15%的日常工作决策将由AI Agent自主做出。ChatGPT Agent的发布，让这一预测看起来不再激进，甚至可能偏保守。
OpenAI CEO Sam Altman在发布会上表示：「Agent不是替代人类思考，而是替代人类重复劳动。真正令人兴奋的是，当人们不再被繁琐的操作步骤束缚时，创造力才能被真正释放。」
隐忧与挑战
然而，智能体能力越强，安全问题越突出。一个能自主浏览网页、操作文件、发送邮件的AI，如果被恶意利用或产生幻觉式操作，后果不可忽视。OpenAI表示已内置多层安全防护，包括敏感操作人工确认、操作范围限制和行为审计日志。
另一个问题是：GPT-5仍未面世。ChatGPT Agent的底层模型仍是GPT-4o级别，在某些复杂推理场景下能力受限。业界普遍认为，Agent的真正潜力有待下一代基础模型的支撑。但无论如何，7月18日是一个分水岭——AI从「能说」进化到了「能做」。
粤公网安备44130202001736号