Codex从0到1000万用户：构建ChatGPT工作方式——Akshay Nathan，OpenAI

谢谢。

是啊，是啊。事情兜兜转转又回到原点，挺有意思的。我的意思是，在我职业生涯很长一段时间里——我最初是在消费金融科技领域工作，但之后，我有个假设：我们作为工程师能用代码做到的事情，如果能以更易用的方式带给更多人，那会是真正神奇的体验。我们当时在做一个创业项目。说起来挺逗，在 LLM 和视觉 LLM 出现之前，我们就在尝试用 AI 做自动化测试，但那时候效果很粗糙，不过我们尽力了。后来我在 Airtable 工作了一段时间，秉持同样的理念：如果我们能把数据库或数据库背后的基本概念带给人们，那对他们会非常有用。但一旦 LLM 登场，就变得很清楚了——这就是缺失的那块拼图，是那种能让每个人在不了解底层原理的情况下体验到代码魔力的关键技术。所以我觉得，这次发布以及我们做的很多事情，正是那个理念的体现。

其实，我觉得更有趣的是那些没变的东西。比如，我记得我加入时公司大概有 500 人。我担心的一点是，我在寻找更早期阶段的东西，想知道它会不会有足够的创业氛围。结果我加入后发现，这比我能想象的还要有创业感。这一点直到现在也没变。我觉得那种自下而上的雄心壮志，以及任何人都有能力去做任何事、提出想法并发布出来的氛围，真的很酷。但在使命层面，真正吸引我的是这个使命：将前沿智能带给每个人，构建 AGI 然后普及给所有人。而且当时我就认识到，这个愿景不会是一条直线。我们可能会尝试不同的产品，有些成功，有些失败。但愿景和使命始终如一，现在我们开始看到各个部分逐渐拼合在一起，这真的很酷。

我觉得是在企业中不存在一刀切的解决方案。我记得在 ChatGPT Enterprise 早期，我们和客户交流，每个人——那大概是 ChatGPT 发布一年后，大家都非常兴奋，想把 AI 引入企业。各种团队纷纷成立，比如 AI 部署团队，预算巨大。如果你问他们，他们对什么感到兴奋？想解决什么问题？一开始你会得到一些基础答案，比如我们有这么多上下文和数据之类的。但如果你再追问，比如他们希望 AI 在工作场所实现的具体用例，你就会得到截然不同的答案，简直是五花八门。有意思的是，你使用这些模型和产品时，有一个框，你可以对它说任何话，这就是它的魔力。但另一方面，这也意味着你不知道该用它做什么。在企业中，我认为很大一部分工作是真正地走到用户那里，了解他们想解决什么用例，然后教他们如何利用 AI 来获得杠杆效应。

或者说，有市场推广的一面，也有产品的一面。

是的。而且我认为，无论我们在前向部署工程方面做得有多好，最终，如果用户面对的是电脑或手机屏幕，那么产品端的职责就是赋能他们，并指引他们该往哪里走。所以对此我真的很兴奋。

我们现在看到的是巨大的增长，对吧？每个人都对此非常兴奋。感觉有数百万人、数亿人在使用 ChatGPT。他们大致知道如何与 AI 协作。但每当有新的能力被解锁——比如现在我们看到 agent 的出现——可能仍然有一批早期采用者，他们真正理解这一点，知道你可以做任何事，只要确保有正确的上下文、连接到正确的工具，并且你在监督它。一切皆有可能。但还有十倍、百倍更大的市场，他们还没有理解或看到这一点。所以我认为这是下一阶段。因此，回答你的问题：我认为采用率已经存在并且在快速增长，但机会远比这大得多。这正是我们想要发力的地方，尤其是通过 ChatGPT Work。

是啊，感觉好像已经很久了，但其实也就几个月。我想最突出的一个推动力，大概是我们发布 Codex 的时候，甚至更早在内部使用 Codex 的时候。当时真的让我们很惊讶。我们最近也公布了一些数据，OpenAI 内部非开发者的采用率出现了真正的拐点。在开发产品的过程中，我会去参加一些用户研究会议，和内部同事交流。最让我印象深刻的是，第一，你去跟战略财务、市场部门的人聊，他们都在用 Codex 处理自己的工作场景，这已经很酷了。但真正打动我的是，他们用 Codex 时那种自豪感，就好像“我不该用这个，但我用了”。那种感觉就像是他们抢先接触了这个新东西，同时也觉得自己拥有了超能力。我们当时意识到，Codex 的力量、agent 的力量，我们已经有了庞大的用户基础，他们熟悉并喜爱 ChatGPT。问题是如何向他们展示这些能力？如何把这些带到他们面前？这是一个很难的产品问题，也很棘手，有很多种方式可以尝试。所以我们后来提出了“融合”和“超级应用”的概念，最终在 ChatGPT Work 中落地，就是思考如何实现这一点。但这一切都源于最初的认知：这种力量不仅仅属于开发者，甚至比我们预想的要早得多，它可以扩展到每个人。

我们希望把它定位给那些做“工作相关”事情的人，暂时找不到更好的词。我认为“生产力”实际上是我支持的核心支柱，这也是我们团队的名字。之所以叫“生产力”而不是“企业”或“工作”，是因为还有个人生产力，对吧？我觉得 ChatGPT Work——我看到有人在个人生活中用它做那些严格来说不算工作的事情，但这些 agent 非常擅长处理。最近有个例子，有人在我们的 Slack 上发帖说，他有个包裹没收到，只收到了快递员拍的照片，然后他让 ChatGPT Work 帮忙找包裹。这个 agent 非常执着，它拿了图片，查看了附近很多列表，最终确定了包裹所在的公寓楼，还提供了一些信息。所以我觉得，所有与“工作”或生产力相关的事情，都是我们希望产品能覆盖的。你问到 Codex，我们认为 Codex 是一个持久的品牌，但我们有一个原则：不希望用户被困在某个标签页或体验中，无法获得产品的全部能力。所以基本上，你在桌面端 Codex 产品中能做的一切，在 ChatGPT Work 中也能做，反之亦然。但我们做出了一些有主见的产品决策，比如：如果你在一个 Git 仓库中，我们想向终端用户暴露多少 Git 状态？我们想让用户看到 agent 思考过程的“差异”展示到什么程度，以便他们开箱即用就能看到差异？在安全方面，我们如何考虑沙箱机制，确保在不同状态下有合适的默认设置？这些背后有一些考量，但我们不希望用户需要选择自己处于哪种体验中。

框架是相同的。两个产品共享同一个框架。我们对框架做了改进，使其更适合知识工作，特别是涉及插件、计算机使用或 artifacts 时。无论你处于哪种体验中，都能获得这些能力。在用户体验方面，当你在 Codex 模式下，我们对 UI 应该是什么样、如何表现有一些有主见的看法，以及我提到的沙箱相关的一些东西。但底层的能力框架应该是一样的。

可以，比如让它创建一个退休计算器电子表格之类的。在两种模式下都试试。在 Codex 模式下，你可能需要在一个仓库里，但你会看到它创建的表格的差异和文件编辑记录。但在 Work 模式下，你就看不到这些了。

我们有一个专注于 ChatGPT 的团队，负责面向消费者的核心聊天体验。我认为所有生产力相关的事情——人们每天都在用 ChatGPT 搜索、学习如何给亲人写消息、思考如何学习新主题等等。还有更多功能，比如创建图像。聊天中有太多东西，数亿用户都在使用，这显然需要非常专注的努力。此外，还有专注于企业、基础设施、API 等方面的团队。

嗯。

但如果你立刻切回 Codex 版本，你会看到它假设你在 Git 环境中。没错，就像 Dynamic Island 一样，它假设你在一个 Git 仓库里。你可能会错过一些东西，因为有些内容体现在实际的思考链中，以及我们如何展示这些变化。

你是指 ChatGPT Work 吗？

我觉得我们本可以走的一个方向是让这些体验完全分离。比如，为什么要有不同的应用？没错。就像不同的应用，甚至同一个应用里也提供完全不同的体验。为什么要把它们合并在一起？比如，Codex 显然很受欢迎，为什么要把这些产品整合起来？我认为这里的直觉是，我们所有人的工作都在随着 AI 发生剧变。对我来说，每隔几个月，我醒来就发现自己做的事和几个月前完全不同了。我的假设是——或者说我们的假设是——我们在这项技术中构建的一部分东西，是在给人们提供杠杆。比如，那些可能是你工作中更琐碎的部分，或者如果你能自动化，就能更快地分享更多想法之类的部分，你现在就能做到。正因为如此，这可能会模糊那些只写代码、只写策略文档、只策划活动、只做营销或只做播客等角色之间的界限。对吧。所以这些东西会随着时间推移逐渐模糊。试图根据你是谁画出一条硬性边界会越来越难。我们应该让用户去选择，而不是把他们框死。所以这里面的很多工作，比如保持基本元素一致——例如插件在这个产品和云端 ChatGPT 中是统一的——就是出于这个原因。这个论点是，最终一切都会融合，我们不想——我们希望在何时进入哪种体验上给出指导，但不想把任何人框住。

嗯，我觉得 ChatGPT 现有的界面今天仍然存在。它就在这个应用里。

对，如果你开始一个新对话然后进入聊天，你就是在和聊天对话。哦，对，对，对。

实际上，如果你在创建电子表格，我们会试着把你推向工作模式。

抱歉？

这是模型在做决策，然后它看到你能够——或者你正在尝试做某件事，这件事在工作模式下会更好。但我想你的问题是，聊天——也就是 ChatGPT、ChatArt 的优势是什么？

我的看法是，这有点像是一个不断发散、收敛、再发散、再收敛的过程。在聊天中，像我之前提到的很多用例，比如搜索或学习，我们真的在优化延迟、优化个性以及各种不同的东西。随着时间的推移，产品——人们喜欢 ChatGPT 的原因是我们一直在优化这些东西，并且已经做了很久。而 Codex 让我们学到的是，如果你给智能体访问计算机这个无限灵活的环境，它能做非常非常强大的事情。所以当我们思考，好吧，对于知识工作，我们应该选择哪种模式？对我们来说，把它带到这个计算机环境中，并可能为不习惯的用户抽象掉计算机的一些细节，同时赋予他们同样的能力，这感觉更自然。但最终，我认为我们希望所有地方都拥有这种能力，对吧？我们希望在用户所在的地方满足他们。所以我相信未来还会有工作要做，让所有场景下都能达到同等的能力。但这只是我们历史上在产品上关注什么、现在又关注什么的问题。

嗯，我觉得在给建议之前，首先要说的是，没有这些模型，这一切都不可能实现。比如你之前问过，工作的灵感是什么？早期，我提到我们在 Codex 上看到的东西，但那也是因为模型变得越来越强大。现在这种情况又发生了。我觉得这又是一个阶跃式的提升。至于建议的问题，我们希望默认设置是最好的。我们希望默认设置是有主见的。所以我们选择了一个我们认为对所有人都最好的默认设置。对于高级用户，我们在底层提供了选项。有人可能会说现在选项太多了，我们正在努力简化。但你可以扩展推理级别，如果需要，也可以在不同模型类别之间切换，但默认设置应该对大多数用例来说是最好的。所以我对大多数人的建议是坚持用默认设置。然后如果你遇到一个情况，觉得想尝试不同的配置——比如你在成本效率或智能质量上没有看到理想效果——那么你可以更改默认设置，看看能不能得到更好的结果。但我们认为默认设置应该已经足够好了。

是啊，这很难说，因为这其实是一种交互效应。没错。就像是你个人有个偏好，比如你喜欢怎么跟模型协作？你想要多少次你所谓的“终止点”，好让你能引导或确保它做对事情？我觉得一般来说，人们应该尝试适合自己的方式。我认为使用 Ultra 或多智能体（multi-agent）设置最适合那些要么极其复杂的任务（比如开放式探索），要么高度可并行化的任务。即使是使用 GoAL 的任务，我认为它最适合那些你能以可验证的方式持续取得进展的任务。但我觉得大多数任务其实并不属于这两类。嗯，至少刚开始的时候是这样。所以我认为最好的第一步是先用默认配置试试，然后看看你想往哪个方向走。

嗯。这里的想法是把它简化成一个维度，尽管它其实有多个维度，对吧？试着为用户把它投射到单一维度上。对。就像，一边代表速度和效率。

另一边代表质量和全面性。

嗯，我们这次发布的一个重大推进就是工件（artifacts），对吧？在模型端，我觉得如果你拿这个跟之前的 5.5 和 5.4 比，你会发现这些工件的质量有了显著提升。

我觉得我们跟研究团队合作非常紧密，而且我认为这是工作中最神奇、最有趣的部分之一。但没错，就拿工件来说吧，你在表面看到的东西，背后其实做了大量工作，确保我们有合适的基础设施来训练模型，让它们在这方面做得更好。然后在产品端，为用户提供合适的体验，让他们能跟模型在这样的工件上协作。事实上，这个查看器的设计直觉是，你未必就不需要 Excel 授权。这只是第一阶段，对吧？这大概不是你做退休计算器时想要的那种迭代方式。当你看到它时，如果这个东西的保真度很高，跟你实际看到的或者你发给同事（比如 Sean）时他们看到的效果一样，那我觉得这会让迭代变得更容易，也会让你更信任这个产品。

有，有。这是我们正在积极思考的事情。在不透露太多路线图的前提下，我们内部注意到一件事：很多时候，有人会发消息问我某个问题，我会用 ChatGPT Work 来回答，然后把答案回复给他们。

没错。我会想，这个流程里真的需要我吗？或者也许我需要重新措辞他们的问题，或者从某些上下文里提取信息。但当我给他们回复答案时，这个过程也是有损耗的，对吧？我给的只是我对 ChatGPT Work 生成内容的解读，但背后其实有大量上下文，比如对话记录之类的，这些可能很有意思。

不，这其实就是我有时候的工作内容。

尤其是随着 ChatGPT Work 要求你连接插件，从你的本地文件里拉取内容等等，智能体能访问的上下文非常个人化，这是我们需要保护的东西。所以这绝对是个挑战。

这个问题问得很好。你没提到的一个点是 Sites，我认为这是这次发布的核心部分。关于 Sites，大家经常讨论的一个方面，尤其是在 Twitter 或 X 上，就是它作为一种原型设计工具。实际上，这次发布中我们就看到了这一点。你们之前提到的那个模型滑块，几乎完全是在一个 Site 里开发出来的。设计、工程和产品团队之间的协作，就是在 Site 上进行的，我们调整交互方式，摸索手感，等等。但另一个较少被提及的方面是，Sites 作为知识工作的载体。前几天我和公司财务团队的一位同事聊天，他说现在他们团队每月做的那些报告，以前都是用幻灯片和电子表格，现在全放在 Site 里了。Site 成了他们跨团队协作的机制。原因在于，我觉得它的信息密度更高。像 PowerPoint 和 Excel 这类工具虽然灵活性无限，但总会有边界——要么是用户不知道怎么用某个功能，要么是产品本身不支持。而有了 Site，你几乎可以做任何事。你提任何需求，它都能满足。一旦人们体验到这种魔力，我觉得它真的很有价值。

你应该可以在侧边栏里找到 Sites，在侧边栏顶部，左边那个侧边栏。

对，一直往上滚动到最上面。

对。

对。我觉得这就是我们看到的各类团队都在采用的工作流程——以前的标准产物是幻灯片之类的，现在变成了 Site。而 Site 因为是 HTML，所以灵活性无限。所以，如果你想让某个在幻灯片里可能被埋没的东西更突出，你可以做到。你可以让它成为主视觉图，对吧？所以我认为人们开始意识到这一点了。当然，要让这些东西更容易协作，还有很多工作要做。你提到它们很长、很啰嗦，可以拆分。我肯定还有——

对，但我觉得我们开始看到，这是一种非常有趣的格式，人们可以用它来做比以往任何时候都更灵活的事情。

我觉得我们在审视用户体验时，一直在思考的一个问题是，如何平衡简单性和能力？如果我们像你说的那样，设计一个用来构建其他东西的产品，对吧？你可以构建很多不同的东西，但我们不能把所有东西都摆在你面前，因为你会不知所措。对。所以我们在 ChatGPT 上也遇到过类似的问题或挑战，但现在尤其如此，因为能做的事情太多了。我们一直在努力寻找的平衡点是，如何给用户足够的 UI 界面，让他们能够表达自己，告诉 Agent 他们需要什么，验证它是否使用了正确的工具、从正确的来源获取信息等等，然后它就能退到幕后。然后，我们如何构建合适的系统，以便向用户展示而不是告诉他们能做什么？因为很多情况下，关键在于他们如何发现下一个用例，再下一个用例，如果他们真的想借助 AI 获得超能力的话。

但也很有价值，因为现在你可以把这个发给朋友。我是说，我就是通过看到这个才知道这个游戏的。

对，"展示而非说教"是一个我们还没完全搞明白的重要部分——向人们展示他们能用产品做什么，而不是通过文章或新手引导来教他们。对，要在他们需要的时刻直接呈现。

所以，这就是模型的魔力所在。你可以根据用户的具体需求来定制"说教"或"展示"——他们关心什么、过去做过什么、在采用旅程中处于哪个阶段。所以我认为这会是巨大的机会。

生产力，对。

我把它看作一个序列，比如，愿景是为每个人带来有用的 agent。我们从开发者开始，开发者历来是早期采用者，愿意忍受更多摩擦、自己搭建环境等等。Codex 就是这样起步的。我认为下一个机会是我们所谓的通用知识工作，也就是开发者之外的所有其他职能。我认为从开发者过渡到这个群体时，显然存在固有挑战，比如我们刚才说的"展示而非说教"、让产品更容易理解、引入对这个群体比对开发者更重要的新能力，比如 artifacts、computer use 等。然后我认为同样的经验——就像我们把从开发者那里学到的经验应用到通用知识工作一样——下一阶段就是把从通用知识工作中学到的经验应用到每个人，无论他们在生活中做什么。我们已经看到一些苗头了。比如你做的这个游戏例子，它介于娱乐和个人生活与职业生活之间。我在家全职用 ChatGPT 处理工作，也用它做任何事情。前几天我用它制定了一个饮食计划，保存在它的电脑环境里，方便我随时回去查看。现在每个人都这么做了吗？可能还没有，因为还有工作上的限制，但最终我们希望人们能走到那一步。

对，没错。ChatGPT 做饭。但我认为那里有很多机会。我的看法是，我们在软件工程领域打下了基础，然后我们会把从软件工程中学到的经验应用到知识工作，再从知识工作应用到所有人。

我觉得有几点。第一，拓宽你对可能性的想象力真的很有帮助。这对我来说也是个学习过程。你知道，技术发展得太快了，三个月前还觉得模型绝对做不到的事，现在居然真的能做到了。你有例子吗？我们内部正在做评审周期，人们总说这是模型擅长的领域。有个老生常谈的说法是，没人想写评审，我们就用 AI 来做。但说真的，以前基本上就是垃圾输出。我觉得它有点用，但效率不高。现在我发现模型比我做得好得多，尤其是在这个环境里，它能提取上下文，了解人们在做什么、他们做了哪些有影响力的事、突出他们取得的胜利——这些我可能都没注意到。它能访问所有东西，对吧？代码、他们发现的问题、评审、Slack，所有内容。所以在这个领域它非常强大。而六个月前，上次我们做这件事时，我试过用它，但完全没用。这次却非常有帮助。所以我认为，不断拓展想象力的边界，想想什么是可能的，即使你之前试过某个东西，这可能是我最大的建议。另一点是，你投入得越多——尤其是在模型能访问你电脑上或 ChatGPT Work 里所有内容的环境下——你可以随时间创建 artifacts 并保存在你的库中，模型会持续访问这些内容。你给它的信息越多，无论关于你的生活还是工作，它就越有价值。它可能会以你意想不到的方式变得有用，可能会主动从上下文中提取信息，甚至是你没想过的东西。但它首先需要能访问那些工具或上下文。

我觉得礼仪就是，我绝不会完全通过 AI 写一份东西，然后直接当作对某人的评估。我前面说的更多是收集背景信息。对，那只是一个搜索的用途。

对，类似通用搜索，但你可以比以前更灵活地定制和引导它。因为这里有个飞轮效应，对吧？由于 Codex 和 ChatGPT 的存在，人们现在能做的事情比以往多得多。而当你能力更强时，也容易遗漏一些东西。所以我认为我们需要用同样的工具来跟上大家产生的影响，了解我们在哪些方面能帮上忙。

可能会，但我觉得我自己也会遗漏。

都是相对的，对吧？

对，我有个有趣的小故事。最近在为这次发布做准备，团队已经忙了好几个月。那段时间里，Slack、文档和其他地方有大量的讨论和对话。团队里有人设置了一个定时任务自动化，用来查看所有动态，然后生成最好的梗图，再发到我们的共享频道里。这里有两个很酷的地方。第一是，我觉得模型随着时间的推移，开始变得有趣了。而一年前，完全不是这样。第二是，就像你说的，它们能以你意想不到的方式找到东西，并建立你没想到的联系。这对生成梗图很有帮助，因为你能看到一些真正让你惊喜、又好笑的东西。当然，这不是这项技术最高效的用途，但它确实揭示了一种正在涌现的能力，就是找到你本来不知道的信息。

我觉得这像是一个 culmination（集大成）。嗯，我想说两点。第一，这确实是一个 culmination，就像我之前提到的，这是我们长期以来的愿景和使命。我们内部看到了 Codex 的神奇之处，然后非常兴奋地把它带给更多人，看到它发挥作用，看到我们达到你提到的那个分发目标。我觉得这非常了不起，也令人兴奋。另一方面，还有更多事情要做，这也同样令人兴奋。ChatGPT 作为一个整体，几乎被所有人等同于 AI，深受喜爱，拥有数亿用户。所以 1000 万确实很酷，但我们需要把它带给每一个人。我们需要让每个人都感受到这种魔力。这是接下来的下一步。但总的来说，我对目前的进展和机会感到非常兴奋。

如果你用的是 ChatGPT，我们不会默认把你切换到 ChatGPT Work。

对，目前它也只对付费用户开放。而且我觉得需要有一个教育用户的过程，让他们了解这个产品的价值，让他们试用，从反馈中学习，并不断改进。但目标是让更多喜欢 ChatGPT 的人感受到 ChatGPT Work 的力量。不过，这需要一个过程。

对。

对，我觉得这一点甚至更强。我们完全打算继续把开发者作为核心市场，而且我们还有很多可以做的，让 Codex 在软件开发方面更加出色。我们会继续这样做。这完全不会削弱它。相反，它应该能提升 Codex 这类工具的实用性，因为你现在可以在写 diff、创建 artifact（工件）或搜索你的代码库之间无缝切换。

或者，这很有趣，我们在内部叫 artifact，因为团队就这么叫。但在外部，没人这么说，没人叫它 artifact。但我觉得人们通常会按自己习惯的方式来描述东西，对吧？所以如果 ChatGPT Work 擅长做幻灯片，他们就会说 ChatGPT Work 擅长做幻灯片。而这正是我们想要的。

我觉得有很多启发。我确实经历过自己的 OpenClaw 时刻。

我和我妻子搭了一个 Open Claw，想用来管理家里的一切。倒不是说家里有多少事，但实际用起来还挺有用的。我们给了它一个日历，它就开始帮我们创建活动之类的。后来跑这个系统的笔记本电脑坏了，我也一直没机会再捡起来。不过这里面有很多启发。比如在 ChatGPT 的网页版和移动端，你可以访问一个持久的计算机环境，可以存储文件，这些文件在会话之间一直保留。这个想法就是为了支持这类用例。我们团队里有个成员现在就用 ChatGPT Work 做以前 Open Claw 做的事，我觉得已经完全过渡了，比如健身计划制定和饮食追踪。这其实也算是一种工作性的事情，对吧？不一定是严格意义上的工作，但属于个人效率领域，不过它用到的所有基本元素都是一样的：有定时任务、有文件系统存储能力、能长期引用这些内容。所以你会看到类似的用例开始出现，这真的很酷。

嗯，我离 Open Claw 比较远，所以没法说它的路线图，但我觉得不会。我认为那个团队构建的开源技术非常出色，始终有它的需求。而且我觉得我们可以从产品中汲取灵感。ChatGPT 的知名度和使用量显然比 Open Claw 高得多。如果我们能把 Open Claw 的魔力带给更多人，那就算成功了。在 ChatGPT Work 这边，我们非常看重的一点是，核心体验就是你进入这个产品，和这个智能体进行对话、开始一个会话，随便你怎么称呼。这个产品的魔力在于，你可以在那一刻做任何事。我们希望打造一个产品，你不需要点击按钮或跳转到其他地方，就能在一个地方获得所有功能，比如你的财务应用或其他任何产品的功能。这就是目标。我们想要一个可扩展的系统，带有插件，你可以连接所需的工具来完成财务任务；如果你在做科研工作，我们也有扩展能力，让你能写 LaTeX 并且运行良好。总会有一些我们支持的产品在这些方面是同类最佳，但我们希望尽可能多的魔力都集中在核心体验中。

我其实试过。ChatGPT 目前还不能托管我的现金和资产，所以那部分还不行。但我在 Wealthfront 时，我们研究过退休规划、财务规划和预算之类的内容。现在有了财务插件，这些功能都已经可以实现。所以至少对我来说，那部分已经被取代了。

它真的很好用。我们之前聊到过智能体搜索的方面，但真的很酷的是，在传统用户体验中，你想给用户更多功能，就需要添加更多的旋钮、按钮和花哨功能。比如那些财务和预算应用，总有一堆不同的过滤器和搜索栏。但现在，只要正确连接到合适的数据，你可以随心所欲。你可以问任何问题，输入那个框里就能得到答案。我觉得这非常强大。

我不能透露所有细节，但我觉得这取决于访问模式。如果你想要即时答案，那确实很难，需要从所有来源拉取数据。但 ChatGPT Work 要支持的很多用例并不需要即时响应。更多是让智能体去执行一个任务，这需要一定时间。而且现在有了程序化工具调用等功能，部分时间可以通过子智能体等方式并行处理。所以这是可能的。我认为通过 MCP 和调用第三方服务，能做的事情的上限已经大幅提高了。我们对此非常兴奋。

我觉得这又回到了我之前提到的平衡：既要向开发者展示工具的威力，又要提供足够的抽象以免让他们不知所措。对于子智能体，我们想展示的是，你可以把一个有很多并行分支或复杂到需要子智能体处理的任务交给它，这个产品就是为你准备的。模型可以完成或尝试完成这些目标。这就是展示产品的意义所在。我们的设计也是基于这个思路。还有另一个迭代版本，你可以看到它们具体在做什么，但我觉得那可能会信息过载。所以这是我们目前刻意做的取舍。

对。

不，不，是太多了。

我觉得产品刚发布时，我们也没有明确说明 Ultra 是为谁准备的，以及什么时候该用。从那以后我们做了一些改动，比如要求你手动开启，在高级设置里找到它，因为那才是它的目标用户。它是给高级用户用的，他们知道会发生什么，因为根据你的使用场景，它也可能消耗更多配额。是的。所以我觉得很多反馈都来自这里。没关系。

我觉得 Samir 和团队——以及研究团队——随着时间的推移做了大量更新和改进。我跟朋友、家人聊他们喜欢 ChatGPT 什么时，他们觉得它了解自己，感觉他们的 ChatGPT 就是他们自己的 ChatGPT。这大概排第一。ChatGPT Work 在云端运行，默认所有对话都会继承你的 ChatGPT 记忆。所以它会知道你的背景信息，也能写回记忆。

是隐式的吗？不，它是我们推出的同一个记忆 v3 系统的一部分。

是的。所以我觉得这非常强大，因为从 ChatGPT 到 ChatGPT Work，感觉就像是我已经用了很久的产品的一个延伸。这很棒。看到人们认可这些改进也很棒。

我不直接做记忆方面的工作，所以很难确切说哪个问题更大。但我觉得你说得对。我认为有两方面：一是确保它了解你，二是要有情商，在合适的时机主动提起这些信息，或者以积极而非消极的方式给你惊喜。所以我觉得这是一个非常有挑战性的问题，但也是一个巨大的机会，所以我们在这方面做了大量投入。

我觉得首先我要挑战一点：记忆的深度或价值在聊天和工作之间并没有本质区别。确实，聊天中有很多短会话，但 ChatGPT 这个产品已经存在很久了，只要这项技术存在，人们今天就已经用它来做工作相关、生产力相关的事情。所以我们发现它很有价值。我自己使用中也发现，所有这些一次性任务随着时间累积，会变成相当持久的东西，很好地代表了我这个人。我知道时不时会有人在 X 上发帖说 ChatGPT 告诉你它知道关于你的一切，人们总是惊讶于它有多深入。那个"来 roast 我"的玩法，对吧。所以我想说的是，现有的 ChatGPT 产品中已经有很深的记忆了。这就是为什么我们认为把它带入 Work 产品是有价值的。但我提这个的另一个原因是，希望我们可以用一些相同的基础原语和系统来扩展这里的记忆。我知道专注于这个的团队现在正在努力解决这个问题。

我觉得它的理念是，它可以学习你如何使用电脑，然后成为记忆的另一个输入源。目前它还是实验性的功能，默认没有关闭，但我建议你试试看。我觉得有趣的是，它又回到了我们之前聊过的话题——比如你问过，ChatGPT 会不会遗漏东西？就像在 Slack 里搜索时，因为信息量太大，它会不会漏掉什么？对吧？同样的问题也可以问到你电脑上做的所有事情：它能知道你做的每一件事吗？它能捕捉到你的意图之类的吗？可能不行。但它很可能发现一些你自己都不知道的东西。然后如果它能在合适的时机、以主动的方式把这些信息呈现给你——比如你在做任务时——我觉得至少它挺有用的，所以值得一试。

对，没错。就是洞察。它能构建上下文，让你在某些任务上更高效。但没亲身体验过很难描述。我只能说，体验感还挺明显的。

检查记忆并创建技能。嗯，我觉得 Chronicle 本身创建记忆的方式才是不同之处。因为开了 Chronicle，你的记忆会更深层。它就在那里。

然后看看它什么时候开始帮你，我觉得你会惊讶的。

我觉得事情变化非常大。看到今天从想法到实现的速度有多快，这非常令人兴奋。而以前，比如五到十年前，如果你很灵活、愿意构建最小可行产品，那也算快了。但现在你能构建的范围要广得多。而且我们在内部构建中也看到，这让你能更快地验证、与用户交流、与内部医生沟通等等，确保方向正确。这个循环比以往任何时候都更紧密。这对产品开发来说是个胜利。对消费者和用户也是胜利，因为理想情况下，他们一开始就能得到更好的产品。

我觉得现在要做的事情更多了。所以个人或小团队能完成的事情比以前需要更多人才能完成。但同时，要做的事情也更多了。所以团队的目标也更大。

我觉得典型的产品开发职能之间的界限变得模糊了，比如工程经理、产品经理、工程师、设计师等等。

这个观点挺有意思。我猜每个人都会变得有点像 T 型人才，AI 会让每个人都成为通才。比如我以前根本做不了设计，即使现在可能也没有所需的视觉品味，但在 AI 帮助下我可以迭代出一些东西。但人们还是会有一个专长，那就是 T 的竖线。所以你可以有一个感兴趣的专长，在 AI 帮助下不断深入、变得更好，同时你也是个通才。有了这个基础，你能完成的事情几乎是无限的。

我觉得瓶颈变成了想法和品味。因为现在谁都能构建，这真的是一个自下而上的野心时代。因为有太多东西要建，你总是会被想法数量和你在任何时间做的事情数量所限制。

关于想法，有趣的一点是它们不是凭空产生的。它们通常来自某个地方，比如产品开发中，它们来自与用户交流、对遇到的摩擦或反馈做出反应、在你之前计划好的基础上构建等等。所以我认为，我们谈到的这些通才总是有价值的，他们能闭环，提出那些基于反馈或用户交流的想法。不错。

我觉得我们的使命是让人们能够做到以前做不到的事情。目前我们从知识工作的角度来思考。所以当我审视知识工作时，我认为人们不再被角色所限制，也不再被背景或培训所限制。无论你在什么职能，你都能突然构建东西，突然获取到原本可能无法解读的数据。然后我认为这延伸到个人生活，我们希望最终能给你杠杆。我们希望模型和产品能给你杠杆，让你能为自己创造时间，去做你热爱的事情。

我认为我们还没找到答案。部分原因在于它太多样化了。每个人的目标都不同。真正的衡量标准其实是他们实现目标的能力。我们有没有帮到你？是的。如果不事先了解那个目标，并且为每个人量身定制，这非常困难。

对。我的意思是，你不知道他们点踩是因为答案的内容、语气，还是因为它是否帮助他们实现了目标。我觉得这很难，但这是整个行业需要解决的问题。我们必须解决，因为这是我们衡量成功的方式。如果这就是我们的使命所在。

我认为一直以来真正想衡量的是，你的团队、个人、你自己是否达成了目标，或者是否更接近目标，无论你的目标是什么，对吧？但以前我们使用一些代理指标。比如代码提交量、代码行数，或者故事点。对，就是故事点。

也许吧。但这某种程度上也是变化的一部分。我认为有了 AI，这些代理指标开始失效了。比如你使用的 token 数量或你提交的 pull request 数量，可能不再与团队能否达成目标或是否在正轨上高度相关。所以我认为我们需要为在听的经理们想出新的衡量标准。

对我来说，重要的是“上场击球次数”。我们团队是否在培养一种能力，不仅要有数量，还要有质量？比如，我们能否完整地走完从产生想法、构建、获取反馈、回应反馈、验证或推翻假设，再到下一个想法的全过程？我们能否高效地做到这一点？这涉及到实际编写的代码、设计或规格文档，但也关乎团队文化。我们是否有谦逊的态度，能够多次经历这个过程，并始终保持动力和热情？我认为这现在很重要，尤其是在这项技术的前沿，有太多东西要构建、太多事情要做。这可能是我们最看重的东西。

我认为陷阱可能是混淆了“动作”和“进展”。由于我们拥有的工具，现在做出“动作”比以往任何时候都容易。但“进展”要求你对实际要达成的目标非常明确和刻意。这又回到了我们关于衡量的问题，对吧？就像我们刚才讨论的，OpenAI 能否找出衡量用户生产力的方法？由于多样性，这是一个非常困难的问题。但作为一个团队，你应该对自己和团队的“进展”是什么样子有一个非常明确和刻意的看法。如果没有这个，就很容易把这两件事混为一谈。

谢谢你的邀请。