Agent 协作模式的演变与 Dots 的长期愿景

在探讨未来产品发展方向时，Tibo 指出互联网上的大多数操作将由 Agent（智能体）完成。为了在 Agent 生态中获得成功，产品必须按一定的规模进行设计。在日常工作中，他观察到一种动态的平衡：在探索能力边界时，他会组建越来越大的 Agent 团队；而当模型出现下一次突破后，一个更强大的单一 Agent 往往能替代整个团队完成所有任务并记住上下文。这种“扩大、缩小、再扩大”的循环，让他意识到未来不会依赖用户手动设置复杂的调试循环。

长远来看，理想的系统是一个会学习的智能体。它全天候工作，理解用户的目标与偏好，并从反馈中持续优化。Tibo 强调，未来的交互将摆脱对特定技术或客户端的束缚，拥有一个始终存在、主动工作的智能系统。用户可以通过任何屏幕（如会议室设备、邮件或短信）与之交互，无需时刻盯着笔记本电脑。这种“无感且随时可用”的状态才是技术服务的终极形态，而非让用户被设备捆绑。

尽管目前语音多模态输入输出等技术开始融合，但使用体验仍略显生硬。Tibo 预测这种“不顺手”的感觉会持续，直到某天突然变得自然流畅——那时用户只需说话即可像现在这样聊天，Agent 能清晰记忆并协助头脑风暴。这种协作界面将超越传统的对话形式，成为人与 Agent、Agent 与 Agent之间共享白板式的深度协作空间。

产品整合策略与开放生态的商业逻辑

针对现有的产品线（Codex, ChatGPT Work, Consumer 等），Tibo 表示正在推动深度整合。用户反馈显示，虽然喜欢工作模式的能力，但也偏好聊天模式的便捷性。因此，团队正将两者合并以减少操作复杂度，并最终把 Dots 的核心能力直接植入 ChatGPT，让12亿用户都能享受更强的基础智能。Dots 的一大亮点是没有模型选择器且无需配置，用户只需指定交互渠道即可直接对话。

Tibo 特别强调了一个被低估但至关重要的亮点：开放生态。OpenAI 承诺全面开放基础设施，包括“用 ChatGPT 登录”功能、插件扩展及发现机制。目前已有16家合作伙伴接入，未来开发者可以将应用发布给海量用户并从中获益。通过收益共享机制，当订阅用户使用额度调用插件（如 Notion 或 Figma）时，开发者将获得收入分成。这种分发渠道让插件开发从单纯的“答案引擎优化”转向了基于用户留存和质量表现的推荐逻辑，真正实现了生态共赢。

关于 Dots 的具体落地策略，团队决定先推出“主 Dot”。用户首先配置一个核心 Agent 以深入建立偏好模型，随后再逐步添加多个 Dot 组成虚拟团队（例如专门负责 Twitter 的 Agent）。这种循序渐进的方式旨在通过社区反馈来优化系统，而非一次性推出复杂的多智能体架构。

社区连接、个人工作流与科幻愿景

在谈及角色定位时，Tibo 表示成为社区一员并与用户共同探索技术至关重要。通过观察用户在 Twitter 等平台上如何使用产品，他意识到这些工具以意想不到的方式影响了人们的生活。这种“共同探索”的过程既让他感到渺小，也备受鼓舞，因为没有社区的反馈，很难做出真正对人有用的产品。尽管工作繁忙，他每天仍会花30分钟刷 Twitter 并即时回复互动。

在个人工作流方面，Tibo 透露自己已不再手写分析类代码，这些任务主要由 CodeX（推测为 Codex 的口语误读或内部代号）完成。他仅在周末手写 LeetCode 题目作为放松。随着 UltraFast 模型的突破，他的 Agent 运行效率显著提升，重新进入了心流状态。他期待即将推出的 6.1 So Ultra Fast 版本能进一步改变工作节奏。

Tibo 常受三十年前科幻作品（如《神经漫游者》和早期《星际迷航》）的启发，特别是其中“与电脑对话即可执行任务”的设想。他认为 OpenAI 正在进入那个时代，技术变得极其有用且自然。

“我迫不及待的想看到这一天到来，因为我觉得走到哪儿都带着像块砖头一样的笔记本电脑，就像是你被技术绑住了，而不是技术在为你服务。”

“长远来看，你想要的就是一个能根据你想达成的目标来学习的系统。你不一定想去琢磨哦，为了得到结果，我得让它严格按这个方式循环。”

Dots的诞生：记忆、安全与全天候运行的融合

在回顾产品演进时，Tibo指出 Dots 的灵感部分源于一年前推出的 Codex Cloud。尽管早期的动画与 Grokbot 相似得有些“诡异”，但 Dots 的核心在于其底层技术的长期积累。团队在研究 耗时较长、需持续运行的任务 以及 保持记忆连贯的系统 方面已投入超过两年时间，并将这些成果直接应用于 ChatGPT。例如，ChatGPT 的记忆功能能够关联用户过去的饮食细节（如烧烤中的青柠）与当前的身体症状，从而提供极具个性化的健康推断。Dots 正是将这些记忆能力、Codex 的运行框架以及 全天候高效运行 的能力结合在一起的产物，凝聚了数月的工作成果。

在安全性方面，团队选择了 Astra 作为基础模型，因为它是最安全且最符合人类意图的选项。为了确保 Dots 真正安全可靠，团队投入了大量精力进行防护设计。

“其实就是 ChatGPT 的记忆功能非常非常好用，所以我们在这方面做了大量研究。把这些都结合起来放在 Codex 的运行框架上，再加上能全天候高效运行的能力，就是我们推出的 Dots。”

人机协作的未来：从孤独对抗到环境智能

Tibo探讨了随着 AI 承担更多工作，人脑价值所在的问题。他认为关键在于技术如何被设计：在 OpenAI，所有产品都以 人为中心，将 AI 视为人类意愿和品味的延伸。虽然写代码的人可能减少，但 动手创造 的人会更多。然而，他也指出工程师面临的一个负面趋势是 日益增加的孤独感——整天与 Agent 对话而非与人交流，以及因能处理更多任务而产生的 必须做更多的压力。

为了解决这些问题，理想的交互方式是让 AI 存在于 现实空间中。AI 应能观察周围环境（如纸上的笔记），在后台自主开始工作，并自然融入人与人之间的对话中。这种 环境人工智能 旨在消除反复配置和撰写 Prompt 的疲惫，让交互变得自然。此外，Tibo强调 AI 应帮助减少干扰，让用户能专注于真正重要的事，甚至通过监控精力消耗来建议用户删除不必要的日程，从而提升整体效率和生活质量。

“我们正在往这个方向走……你也不会再因为得一直守着屏幕，满脑子想着怎么写 prompt 而疲惫，一切就变得非常自然了。”

OpenAI文化：自主权、基层创新与人才特质

在招聘和技能演变方面，Tibo指出 打字速度 的重要性正在下降，而 品味、用户同理心以及理解服务对象 的能力变得至关重要。OpenAI 内部拥有超过 120位前 YC 创业者，这种背景使得团队像一家巨型初创公司一样运作。产品经理的角色因此变得极其重要，他们负责定义“什么才算好”并不断迭代。

OpenAI 独特的文化体现在极高的 自主权 和从基层涌动的创新力上。例如，Decisions API 最初只是四个人在一个 Slack 频道里周末动手做的原型，随后迅速扩展并支持视觉输入。这种 无固定组织结构的协作 允许想法快速落地，只要质量标准达标即可发布。

Tibo也坦诚自己曾滥用这种自主权，例如在入职第三天就弄挂了生产环境。但他认为只要愿意承担责任并从错误中学习，这种文化就能带来惊人的速度和创新。

“这里就像一家巨型初创公司……知道什么样才算好，这些比以往任何时候都重要。”

Agent主导互联网与产品设计的两难

在讨论未来的发展方向时，Tibo 指出许多从业者尚未完全看清的关键趋势：互联网上的大部分操作将由 Agent（智能体）完成。他认为，模型正以惊人的速度变得更便宜、更快，且多模态整合已变得非常顺畅。尽管当前距离这一终局尚有一步之遥，但如果认真推演一年后能力十倍提升的情景，产品的构建逻辑将发生根本性改变。

这种转变带来了具体的工程挑战。以 Notion 为例，当他们推出自己的 MCP（Model Context Protocol）接口后，大量能够实际执行任务的 Agent 涌入使用，导致系统承受了巨大的流量压力。这迫使产品团队面临一个两难抉择：是否要构建面向 Agent 的接口？虽然可以暂时拖延，但鉴于大多数数字交互最终将由 AI 驱动，朝着 Agent 友好的未来进行产品设计是不可避免的。与此同时，Tibo 也指出，目前行业在“为人打造极致体验”方面的投入不足。尽管 Agent 流量是主流趋势，但充分利用各种模态、创造让人类用户特别喜爱的新体验，依然是需要加强投入的重要方向。

认知修正：语音依赖与新人优势

回顾过去一年的变化，Tibo 分享了几点让他改变看法的经历。首先是对模型能力进度的低估：他原本预计达到当前 Astra 级别的能力还需要一到两年，但实际进展远超预期。其次是他对语音交互的依赖程度。他发现自己现在通过语音输入或直接给 Agent 打电话来处理事务，这种体验比预想的要舒适得多。

此外，招聘策略也发生了转变。Tibo 惊讶于年轻一代展现出的出色才能和充沛精力，他们率先拥抱变化并摸索出如何高效使用这些新工具。他强调了一个核心观点：刚进入职场的新人具有独特优势，因为他们没有固化的工作习惯，可以直接全力投入 AI 工具的使用。同时，这一代年轻人吸收和学习新事物的速度极快，这使得他们在适应 AI 驱动的工作流时比资深员工更具灵活性。

安全投入与前沿发展的节奏把控

面对关于 AI 风险及灾难概率的讨论，Tibo 解释了他对“把握前沿技术节奏”的理解。对他而言，这意味着提前且超额投入于安全领域。这种投入远超团队认为“必要”的程度，具体包括模型对齐、系统安全和防护机制。

在算力分配上，他们采取了一种双轨制：一部分算力用于运行实际干活的“主系统”Agent，另一部分专门用于辅助监控。监控系统负责实时检测 Agent 是否出现风险过高的行为或遭受 Prompt Injection（提示注入攻击），一旦发现异常迹象，立即进行打断和干预。Tibo 指出，目前 API 技术体系的大部分投入都集中在安全体系建设上。确保系统防护的扎实性，是他们在发布比 Astra 更上层模型之前必须完成的核心任务。