正在强烈冲击AI Agent的GPTs，真的会杀死AI智能体吗？
文｜王吉伟
- OpenAI推出的GPTs是不是Agent？为何能让很多AI智能体项目半年白干？
- 很多人说GPTs不是真正意义上的AI Agent，为何却被称作Agent杀手?
- OpenAI宫斗100+小时期间数量超两万的GPTs，真会成为AI Agent杀手吗？
- GPTs到底是什么？与AI Agent有什么区别？为什么说它会杀死AI Agent？
- 为何“准Agent”GPTs对真AI Agent造成那么大冲击？真的会杀死AI智能体吗？
- 说GPTs会杀死AI Agent有些危言耸听，Agent未来生态注定百花齐放
OpenAI的宫斗大戏已经告一段落，精彩剧情的余韵仍在久久回荡。
波澜起伏的剧情，精湛的演技，硅谷大佬的客串，100多个小时的演绎，缔造了这部足以载入史册的AGI成长大戏。剧中角色则被赋予更多传奇色彩，比如Sam Altman一度被视作当年被董事会罢免的乔布斯，而Ilya Sutskever也被贴上了“AGI卫道者”的标签。
这场宫斗的真正根源，到现在还在市里坊间被人猜测。其中最有可能的一个原因是，GPT已经发展成为能够威胁人类的AI，所以卫道者Ilya要出来干预，不惜使用各种手段阻止OpenAI带有重大危险因素的超高速成长。
Sam要通过商业手段推动OpenAI疾驰，Ilya则要确保AI在监管之下可控发展。
两人都是AGI的笃信者，发展理念却在OpenAI的第一个开发者大会之后产生了强烈冲突。Sam相当激进，Ilya过于谨慎，于是矛盾一触即发，而导火索可能恰恰就在于GPTs。
从Sam被开除开始，大家都在关注OpenAI宫斗这几天，GPTs仍旧以超高的速度发展，目前GPTs的数量已超过2万。超低的创建门槛和APP Store一样的商业模型，必会让OpenAI快速构建GPTs生态。
但另一方面，目前这些GPTs还存在不少问题。就以安全可言，99%的GPTs都在裸奔，几句话就能套取知识库文件。如果这些GPTs都在对人类存在潜在威胁的大语言模型之上运行，后果可想而知。
当然，这些仍然还是猜测，也不是本文讨论的重点。
事实上，GPTs推出后在创投领域引起更多不满的，是OpenAI为何既要做底层技术又要做上层应用。这直接杀死了相当数量的基于GPT的Agent相关项目，当然大量项目都是Sam所说的“简单模仿、套壳OpenAI”公司的项目。
不管这些项目是不是在套壳OpenAI，GPTs以及Assitant API的推出，确实对第三方Agent构建框架及工具造成了不小的冲击，就连Langchain、LlamaIndex等都已被看作一无是处了。
有意思的是，一些人并不认为GPTs算是真正的Agent，因为现在的大多数GPTs仅是实现特定功能的聊天机器人。这样的东西，又怎能取代或者杀死结构完整功能强大的独立Agent呢？
那么，GPTs 到底算不算Agent？GPTs的推出是否真的意味着开发者几个月来构建的Agent产品和开源项目都会死亡？GPTs是否真的有能力杀死所有AI Agent？
本文，王吉伟频道就跟大家聊聊这些。
从GPTs说起
OpenAI官方对GPTs的定义是，用户为特定目的创建的ChatGPT版本。
任何人都可以创建量身定制的GPTs，用于日常生活、特定任务、工作或家庭中获得更多便利以及提升效率，也可以制作仅供公司内部使用的GPTs，比如帮教孩子数学或者设计贴纸、学习棋盘游戏、搜索资源、数据分析等。
此外，用户还可以分享创建的GPTs，以让更多人使用它们提升各种场景的使用效率。想要详细了解GPTs，大家可以到OpenAI官方博客查看《Introducing GPTs》这篇博文。（没有魔法的朋友不用急，王吉伟频道准备了中文版，可以在后台发消息 GPTs 获取。）
要构建一个GPTs也非常简单，不用代码，只需与GPT Builder（OpenAI推出的GPTs创建器）进行对话，并为其提供说明和其他知识，再选择GPTs能够执行的搜索网络、制作图像、分析数据等操作，一个GPTs就创建完成了。
GPTs可以做很多事情，比如学习棋盘游戏的规则、帮孩子学习或者设计贴纸。还可以把GPT和外部服务连接起来，让它们访问更多的信息和功能。例如，通过连接翻译API，GPT就可以通过访问数据库获取实时数据进行分析，实现用多种语言交流。
为了让用户感受GPTs的魅力，OpenAI官方推出了16个GPTs，用户可以直接使用这些GPTs。在构建GPTs时，用户也可以选择是否使用DALL-E图片生成或者代码解释器。
这16个GPTs如下：
- DALL·E GPT：让你的想象变成图像。
- Data Analysis：放入任何文件，帮助分析和可视化您的数据。
- ChatGPT Classic：最新版本的GPT-4，没有附加功能。”
- Game Time：快速向任何年龄的玩家解释棋盘游戏或纸牌游戏。
- The Negotiator：帮助你为自己辩护并获得更好的结果，成为一名出色的谈判者。
- Creative Writing Coach：渴望阅读您的作品并为您提供反馈以提高您的技能。
- Cosmic Dream：有远见的数字奇迹画家。
- Tech Support Advisor：从设置打印机到对设备进行故障排除，逐步为您提供帮助。
- Coloring Book Hero：把任何想法变成异想天开的图画书页。
- Laundry Buddy：回答任何关于污渍、设置、分类和一切洗衣的事情。
- Sous Chef：根据你喜欢的食物和拥有的食材给你食谱。
- Sticker Whiz：把你最疯狂的梦想变成模切贴纸，直接送到你家门口。
- Math Mentor：帮助父母帮助他们的孩子学习数学。
- Hot Mods：把你的形象修改成真正狂野的东西。
- Mocktail Mixologist：用你手头的任何食材制作无酒精鸡尾酒食谱，让任何派对都大放异彩。
- genz 4 meme: 帮你理解行话和最新的表情包。
OpenAI推出这些不同的GPTs，不仅对外展示了GPT 模型的技术实力，也意味着个性化AI助手将成为我们日常生活中不可或缺的一部分，在未来满足我们独特的需求和兴趣。
从现在已经推出的各种GPTs来看，有的比如使用Zapier插件的GPTs已经能够处理稍微复杂一些的业务流程，但大部分GPTs仅是聊天机器人，还无法实现复杂任务的执行。
所以，GPTs 到底算不算Agent呢？
从Agent定义及架构看GPTs
OpenAI开发者大会以后，比尔•盖茨（Bill Gates）在其博客发表了一篇名为《AI is about to completely change how you use computers》的文章，并很快刷屏国内外。（后台回复 GPTs，获取该文章PDF汉化版。）
在这篇文章中，他提到了Agent与机器人（如Clippy等）的区别，主要有以下三点：
- 积极主动地根据用户需求提出解决方案；
- 能够跨应用程序完成任务；
- 随着时间的推移而改进。
按照这几点，现在除了部分能够参与企业业务流程的GPTs（如通过Zapier等插件以API调用CRM、HR等相关企业应用），大部分GPTS都是跟ChatGPT一样的对话机器人。
这一点也无可厚非，毕竟GPTs要做的就是为用户定制各自专属的ChatGPT，而更多人的需求可能就是通过对话生成一些内容。
但创建GPTs过程中Action的加入，让部分GPTs具备了执行能力，比一般机器人强大得多，足以连接部分现实世界。
我们还可以把GPTs带入现在业界公认最理想的由OpenAI提出的“LLM+规划+记忆+工具”四件套Agent框架。
可以发现，大部分GPTs在工具使用方面还未达到AI Agent的标准，因为它们仅在“knowledge”中上传了一个知识文档，仅是一个通过对话来获取文档相关知识的对话机器人，并没有涉及工具使用这个部分。
这类GPTs只能根据输入的指令进行思考并给予用户文字、图片等内容的反馈，而无法去执行某些目标比如操作一些软件去完成相关任务。
事实上，用于构建GPTs的GPT Builder正是一个标准的Agent。用户提交需求指令之后，GPT Builder会通过设定目标和任务分解，通过互动一步引导用户去完成GPTs的构建，就连logo都可以根据指令自动生成。
GPTs对外展示了Agent的相关功能，并证实了Agent连接真实世界的可行性。这些GPTs能够连接到其他产品和服务，从电子邮件到购物网站，使AI可以执行更广泛的任务。
OpenAI通过GPTs让更多人知道了什么是AI Agent，以至于有人将GPTs称之为下一波人工智能浪潮的先驱。
到现在为止，大多数GPTs缺乏用户所期望的自主程度，还达不到自主智能体（Autonomous Agent）的级别。其实就连Sam Altman也没有说GPTs就是真正意义上Agent，他在开发者大会上用了“Precursors”一词，用以表明GPTs属于Agent的“初期形态”。
所以在一些探讨GPTs与AI Agent的观点中我们可以发现，GPTs被看作是“几乎成为Agent”或者“准AI Agent”。
“几乎”与“就是”，还是存在一些差距的。
那GPTs与Agent尤其是自主Agent相比，有什么区别呢？
GPTs与AI Agent的区别
在大家所说的GPTs会杀死的Agent项目中，有些项目比如Baby AGI 、MetaGPT及Aiagent等在运行过程中，可以明显体现合格Agent应该具备的特性。换句话说，它们的表现要比GPTs强很多。
OpenAI开发者大会之后，LangChain曾在X发推文强调了其与GPTs的区别以及自身优势，并在11月10日推出了一个名为Opengpts的开源项目。
该项目通过整合LangServe和LangSmith，旨在为用户提供与OpenAI GPTs相似体验的平台。相对于OpenAI只能用GPT模型构建GPTs，在Opengpts用户可以通过选择不同的语言模型、自定义工具以及控制提示，实现对聊天机器人更灵活的控制。
从目前GPTs的表现与“独立”AI Agent所具备的功能来看，两者存在以下几点区别：
1、GPTs仍旧处于试用阶段。
虽然GPT Shunter（一个第三方GPT Store项目）收集的GPTS数量已经超过2.1万，但大部分GPTs产品形态仍旧比较初级。
目前GPTs所表现的属性更易于分享，但在功能上仍旧差强人意，属于个人娱乐及应用产品的试用阶段，并不适合大量企业去使用。
2、技术栈存在一定限制。
GPTs基于大语言模型GPT-4构建并与OpenAI的生态系统紧密关联，这也意味着开发者所能用的整体技术栈存在一定局限性。
GPT并不开源，所以构建GPTs在LLM的选择上只能基于GPT，而不能选择更多的LLM。同时当前版本在使用上也有一些限制，比如最多只能上传10个数据文件。
3、GPTs构建者技能水平不同。
“独立”AI Agent的构建者主要是开发人员，GPTs的构建者大多是不会代码的业务人员。目前大部分GPTs都是用简单指令提示来构建的，这让GPTs的数量快速暴涨，这也使得GPTs在专业程度上要差很多，更适合自娱自乐或者解决简单业务流程。
程序人员还可以用Assistant API构建功能更多更专业的GPTs，这些才有可能成为企业级Agent应用。
4、能处理的任务和GPTs的能力。
现在AI Agent正在成为各种类型的智能助理，可以用于订餐、买机票以及编程等相对复杂的业务流程。GPTs也有很多不同用途像私人教练、老师、咨询师等，但大多数仍然是聊天机器人。
它更像各种角色扮演类AI，人们可以自定义各种角色来娱乐或者处理简单事务，比如用来生成各种文本以及用DALL-E生成图像等。
当然，GPTs已能够参与部分企业运营的业务流程，比如使用Zapier GPT访问日历或者Slack等。但目前它还无法深入到企业运营中的比如SAP、用友、金蝶等的复杂流程中去。
主要在于，一方面很多企业管理软件缺少API，另一方面有些API授权费用太高，此外API也不是绝对稳定。
5、技术和安全挑战
目前的AI Agent经常被批评不可靠，因此还没有实现量级的企业级应用。GPTs也面临着同样的问题，会出现幻觉、在同一提示下提供不同的结果以及不能真正理解潜在过程，会产生随机结果。
除了大模型本身问题，目前GPTs更大的问题是数据安全，据说目前99%的GPTs都在裸奔，几句话就能套走GPTs的数据库。这些问题，会让企业在GPTs的选择上更加谨慎。
理论上，可以通过更高级的模型或围绕Agent构建产品以弥补可靠性的不足。比如实在智能推出的RPA Agent，就在数据安全上下了很大的功夫，在大语言模型和RPA工具包上都设置的多重安全机制，以保证用户更安全的使用AI智能体。
6、初级阶段的GPTs缺乏产品属性
到目前为止，GPTs缺乏具体的产品特性，或者说缺乏一种利用GPTs开展业务的方法。不具备产品级应用的试用性产品，在安全、应用、数据、扩展性及解决方案方面很难达到企业要求，不容易在企业推广。
此外GPTs仅供ChatGPT付费用户及企业用户使用，限制了更多人的使用，且没有定价策略或产品等级差异化的选项。或许这些，都要等到GPT Store的正式上线。眼下OpenAI宫斗大戏刚刚落幕，GPT Store何时上线还是个谜。
GPTs会不会杀死AI Agent？
尽管OpenAI推出的GPTs还不算成熟的AI Agent，或者说处于Agent早期阶段，但无疑它响应了一种趋势，即Agent将会无处不在。GPTs这种形态的大语言模型产品会让人人都能用上Agent，这是它的伟大之处。
接下来随着GPT Store的推出，GPTs将会成为现在APPs一样存在于每个人的手机、平板抑或其他形式（比如最近的风头正盛的AIpin）的通讯、娱乐及办公产品之上。
目前的GPTs还很原始，大部分都属于定制化的面向某个功能的比如心理咨询、产品说明、文字及图片生成等聊天机器人。
但从业务流程角度而言，很多企业的一些业务部门比如市场营销、客户支持、新媒体、HR、法务等，某些业务的大部分流程都是文字、语音交互和生成，应用GPTs足以完成大部分任务，在安全、合规的情况下这些部门将非常适用GPTs。
如果简单的GPTs就能胜任企业运营的多种业务场景，是不是就无需再去耗费精力与财力打造所谓的专业单体自主Agent？同时，SaaS化的GPTs开发是不是也比程序员以代码构建专业Agent更为便捷与高效？
目前GPTs还无法介入企业运营的复杂流程，但我们也看到了通过Zapier等插件实现了与电子邮件、旅游网站及支付软件等的集成，已经能够操作部分企业经营的业务流程。
关于企业内部应用GPTs，是另一个需要探索的话题，王吉伟频道在这里跟大家简单聊聊。
现在已经有一些企业在内部进行GPTs的构建与分享，以定制面向不同业务场景的ChatGPT。比如Amgen、Bain 和 Square等企业，已经先一步开始应用自己的专属GPTs。但这些企业GPTs是用在内容生成与理解还是深度的业务运营，目前尚不可知。
通过API调用的各种插件及应用，在OpenAI的Agent架构中都属于工具应用。这些工具可以是简单的邮件列表读取，也可以是复杂的CRM、OA、工作流等流程编排与管理。
OpenAI还没有更重量级的工具，但其投资的一家RPA公司Induced AI，“RPA 3.0”形态的产品正是基于GPT的智能体。
大胆猜测一下，这个产品在以后很有可能会以插件或其他形式成为OpenAI Agent架构中诸多工具中的一员，未来或将弥补GPTs在业务流程执行层面无法操作非API工具的不足。
如果Induced AI能够做这些，其他RPA厂商也能做到。随着更多RPA厂商推出相应插件，用GPTs操作更多组织运营中复杂流程也就不再是梦。尤其是现在借助Assitant API将原有产品改造升级成为基于GPT的Agent，前所未有的简单。
王吉伟频道认为，理论上配合API和RPA，GPTs能够通达到组织运营各处。就看企业如何衡量它的运行功效，以及在安全方面是否能够经得住考验。
鉴于以上几点，GPTs真有可能成为Agent杀手，至少它已经让很多基于GPT-4的第三方Agent的道路不好走了。
好在，LLM厂商并非只有OpenAI一家。
AI Agent生态不只有OpenAI
今天我们所说的Agent，都是基于LLM的Agent，它离不开LLM的支撑。
对于AI Agent的未来生态，比尔盖茨认为不会是一家公司主导AI智能体业务的局面，而是会出现许多不同的人工智能引擎可用。
更多的竞争将会让包括GPTs在内的智能体变得非常便宜，有利于更多人使用AI智能体。
现在全球有那么多大语言模型，单是国内就有200多个。既然OpenAI能够造就GPTs，自然其他LLM厂商也能推出同类产品，或者会与第三方平台合作推出类似产品。
因此GPTs不会只诞生在OpenAI，像谷歌、Meta等科技巨头必然更希望其客户基于自有大模型开发类GPTs产品及更完善的Agent产品。
就在OpenAI宫斗这几天，亚马逊、Meta等厂商已经收到更多的AI相关业务咨询；OpenAI竞争对手Cohere的咨询量也是大幅增加；Writer的企业客户对其服务的兴趣已经增加了两倍；Habib则一直在宣传其AI系统在某些场景下比GPT-3.5模型更好。
这次宫斗事件确实为AI技术采买带来不小的影响，用AI21联合创始人Yoav Shoham的观点表达就是，OpenAI发生的事情让更多企业确信，无论如何都不想把所有鸡蛋放在一个篮子里。
至于国内市场，不只是无法应用GPT等海外大模型，还会因为信创等衍生出更加多元化的需求，也将会有更具特点的类GPTs产品出现。
此外仅有GPT一个大语言模型，也无法满足用户对于GPTs的广泛需求。未来许多GPTs可能都需要在OpenAI之外开发更多特性和功能，开发人员会围绕GPTs构建更复杂的产品。
从这一点而言，以后LLM厂商及Agent厂商们可能会倾尽所能适配更多大语言模型，甚至不排除OpenAI也会将第三方LLM加入产品体系的可能，以支持用户对于多类型与功能GPTs的构建。
事实上，AI Agent想要真正在B端实现量级业务场景的落地及更好地商用，需要综合考量其本身的安全性、技术发展周期是否成熟以及To B端的场景是否密切贴合，还需要考虑接口成本、隐私、管理、授权等诸多因素。
这既是很多供应商的技术与产品门槛，也是广大企业选型的重要依据。
企业在选择用于业务流程自动化的AI智能体时，也会优先考虑技术供应商厂商推出的AI智能体产品，而不是选择LLM厂商推出的尚未成熟的通过API连接各种插件的单一智能体解决方案。
这些，都是眼下GPTs这种单一智能体所无法具备的。至于GPTs什么时候能够发展成为成熟智能体产品，就要看OpenAI如何在企业用户端下功夫了。
在王吉伟频道看来，GPTs确实扼杀了一些Agent相关的初创公司，但大多是Sam Altman所说的“套壳与模仿GPT”的项目。对于AI Agent而言，GPTs目前远未表现出杀手级实力，并且它也杀不死那些为专有功能而构建的复杂类型Agent。
GPTs的出现反而启发了更多企业的创新，会让Agent产品在短期内海量爆发，用最快的速度构建与完善AI Agent生态。
或许，以GPTs范式引领Agent繁荣生态，早日实现AGI，才是OpenAI最想做的。
