事件概述

2026 年 7 月 22 日，OpenAI 正式发布 OpenAI Presence——一个面向企业级的 AI 代理平台，旨在帮助组织在客户服务和内部工作流中部署可信的语音与聊天代理。该产品已在 OpenAI 自身客服渠道（1-888-GPT‑0090）中经过实战验证：上线数周内达到人工客服质量基准，75% 的入线问题无需人工介入即可解决，并且通过 Codex 驱动的改进循环在 10 天内将人工转接率降低了 15 个百分点。

关键技术点

Presence 的核心设计围绕“在生产环境中可靠地执行高价值任务”展开，关键技术组件包括：

  • 策略与标准操作流程（SOP）：企业可为每个代理设置明确的行动边界、审批规则和升级条件。
  • 护栏与防护（Guardrails）：当交互超出预定义范围时，护栏可主动干预，防止代理越权或产生错误行为。
  • 模拟与评估工具（Simulations & Graders）：上线前可对代理进行大规模测试，模拟常见请求、边缘案例和高风险场景，并自动评估是否达成正确结果、是否遵循策略、是否正确使用工具、是否在需要时升级。
  • Codex 驱动的持续改进：生产环境中的会话记录、升级事件和质量信号会被 Codex 插件分析，自动提出更新建议，团队可对比生产版本进行测试并批准受控发布。
  • 渐进式权限与知识绑定：每个部署针对特定工作（如账单处理、保险理赔、IT 服务请求），代理只获得完成该工作所需的知识和系统访问权限。

对数据科学及 AI Agent 落地的意义

  • 工程化评估闭环：Presence 将“评估”从一次性环节变为持续流程，生产数据回流并驱动模型/策略更新。这为数据科学家和 MLOps 团队提供了可复用的代理迭代框架，使 Agent 行为能随业务策略、产品和用户行为变化而自适应。
  • 从“模型能力”到“系统可靠性”：强调 Agent 不再是单一模型，而是包含策略层、护栏层、评估层和部署层的系统工程。这对企业落地 AI Agent 的核心挑战（可控、可审计、可优化）给出了可操作的方案。
  • 低门槛延伸新场景：公司可定义跨部署的一致性规则（如策略、评估标准），然后针对不同工作流或渠道调整配置，无需从零开始。这种分层架构降低了大规模推广 Agent 的工程成本。

我的技术点评

Presence 展示了 OpenAI 对“企业级 Agent 平台”的深度思考：不追求通用智能，而是聚焦让 Agent 在有限范围、可控条件下稳定执行。Codex 的自动改进循环尤其值得关注——它把生产运维中的“调试”任务部分自动化，极大缩短了模型从上线到稳定的周期。不过，目前 Presence 仅通过 OpenAI 前向部署工程师（FDE）和指定系统集成商提供，尚未开放自助使用，表明其仍依赖强定制化服务。对于数据科学团队而言，其“评估-更新-验证”的闭环机制是未来 Agent 平台的范本，值得借鉴到自建代理流水线中。

原文链接

https://openai.com/index/introducing-openai-presence