OpenAI 的 Tibo 谈 Dots：循环和工作流只是过渡，留存就是分发

OpenAI 发布永远在线的 Dots 当天，ChatGPT 负责人 Tibo 说：循环和工作流只是过渡。配置越少，不等于判断越少，只是判断被放到了你看不见的地方。

你有没有想过，你花了几个月打磨的那套 AI 工作流，下一代模型一出来，可能就用不上了？这不是危言耸听。OpenAI 负责 ChatGPT 和 Codex 的 Tibo Sottiaux 最近在 Lenny’s Podcast 上说，让用户自己搭循环、画流程图、反复调教工作流，也许有人为此兴奋过，但 Tibo 不认为这是未来的做法。Tibo 想要的是一个会学习的系统，你不用去想“我要把循环设计成这个样子，才能得到好结果”。

这场访谈是在 9 月 29 日 OpenAI DevDay 当天录的。那天 OpenAI 一口气发布了二十多项产品，最受关注的是 Dots，一种永远在线、有自己电脑的个人 agent（智能体）。Lenny 在发布几个小时后和 Tibo 坐下来，聊了 Dots 到底是什么，聊了互联网上的大多数操作将由 agent 完成意味着什么，聊了哪些技能在升值、哪些在贬值，也聊了 OpenAI 怎么看安全。我听完之后有不少自己的想法，Tibo 的有些话听上去像产品宣传，但仔细拆开，里面有几个对做产品、带团队的人都很实用的判断。这篇文章就是我把它们整理出来，和大家聊一聊。

团队越搭越大，模型一升级又缩回去

Tibo 讲了一个很有画面感的亲身观察。每当 Tibo 往前推进边界的时候，就会搭越来越大的 agent 团队，给每个 agent 分工，让它们互相配合。然后模型有了下一个突破，Tibo 会突然发现，一个更大的 agent 自己就能把整件事做完，所有东西都留在它的记忆里，于是又把团队缩小。就这样扩张，收缩，再扩张，像呼吸一样。

这就是 Tibo 对“循环”和“图”这股热潮的态度。Lenny 问到最近很流行的做法：为了让 agent 稳定出活，人要自己设计执行循环、画流程图，甚至对工作流做微调。Tibo 说，这个方向也许让人兴奋过，但真正会赢的，是 Dots 这种思路：一个极其聪明、全天候工作的 agent，理解你的目标和偏好，从你的反馈里学习。你不需要关心它内部怎么循环，只需要告诉它你想要什么。

速度也在改变这件事。DevDay 上 OpenAI 发布了一个 ultrafast（超快）档位，据 BGR 的报道，在 Codex 里最高快八倍，在 API 里最高快六倍，价格是标准 API 的六倍。Tibo 说，以前自己会并行跑很多个 agent，现在有了更快的 agent，反而重新回到了心流状态。等待变少了，人就不用再靠多线程来躲避空档，这是我的理解。

我觉得这一段背后有一个很实用的判断标准。我之前写过 Tibo 在另一场访谈里讲 harness（运行 agent 的框架）是模型的拐杖：模型不会主动跑测试，就在提示词里提醒它，模型学会了，这段提醒就可以删掉。这次讲的是同一件事的用户版本。你为模型搭的脚手架，有一部分是在弥补它今天的不足，下一代模型一来，这部分就该拆。真正值得长期投入的，是你对目标和好坏标准的描述，而不是把步骤拆得多细。工作流里该留下来的，是你想要什么，不是怎么一步步做。

Dots：把智能做成一个会学习、永远在线的同事

先把产品讲清楚。按 TechCrunch、Engadget 等媒体的报道，Dots 由 GPT-6 Astra 驱动，每个 dot 都有自己的云端电脑和浏览器，可以接入 4,000 多个应用，可以通过 ChatGPT、Slack 和 Microsoft Teams 联系，短信渠道要稍后才会加入。它在后台持续朝你设定的目标工作，你随时可以回来检查它做了什么。目前它随 Pro 和 Business Premium 订阅提供，不额外收费，部分地区暂时没有开放。

Tibo 的描述更接近一种理想。Tibo 说，不管是不是 Dots，核心都是摆脱对技术本身的依赖，拥有一种永久在线的主动智能，在任何客户端、任何屏幕上都能找到它。你走进会议室，它就出现在会议里替你记笔记；之后你在邮件里接着找它，需要时发条短信。需要它的时候它在，不需要的时候它让开。Tibo 还说，每天扛着笔记本电脑到处走，像背着一块砖，你被技术拴住了，而不是技术在替你工作。

它的使用方式也很特别。Dots 没有模型选择器，没有一堆配置，唯一要选的是你想通过哪些渠道和它说话。现在每个用户只有一个 primary dot（主 dot），它最懂你的偏好。很快会开放第二个、第三个，组成你的虚拟团队，每一个分配不同的角色。Tibo 自己已经有一个专门负责 X（原 Twitter）的 dot，原因很朴素：盯着一个平台，本身就是整整一个 dot 的工作量。

为什么是现在做出来？Tibo 的回答是，这是很多个月、很多条线汇合的结果。长时间持续运行的任务，他们研究了两年多；记忆系统，差不多是同样的时间，而且已经陆续放进了 ChatGPT，很多人都有一个被它记住细节、让人吓一跳的小故事。再加上 Codex 的 harness，以及能全天候运行的能力，才有了 Dots。Tibo 还笑着说，一年前 Codex Cloud 的那段小动画，大概启发了后来的同类产品（转录里写的是 Grok Bot，我不确定这个名字是否准确）。而最后一块拼图，是安全，这也是 Dots 首先搭载 Astra 的原因，因为那是他们最安全、对齐程度最高的模型。

架构上还有一个容易被忽略的细节：Dots 的 harness 不跑在你的机器上。它有自己的电脑，也可以连到你的笔记本，将来可以同时连十台设备，Tibo 把它比作章鱼，一个中心，很多触手。Tibo 说的 specialist dots（专用 dot），则运行在额外的护栏和监控之下，用的是独立的硬件，他们内部有些就跑在 Mac mini 上。

我觉得最值得琢磨的是“不被技术拴住”这句话。它说的不只是便利，而是产品形态的变化：你不再是打开一个应用，而是在和一个长期存在的东西合作。这也解释了为什么 Tibo 特别强调主 dot 要“最懂你的偏好”。当产品的核心是它对你的了解，记忆就不再是一个功能，而是壁垒，也是你离开它的成本。这是我的推断，访谈里没有这么说，但我觉得这是 Dots 这类产品真正的竞争点。

它在发布前五分钟救了场，只是没被允许动手

访谈里最有意思的一个小故事，发生在 DevDay 的现场演示之前。Tibo 说，ChatGPT 的线上服务出了故障，Tibo 的 dot 在演示开始前五分钟主动发来消息：生产环境挂了，要不要我来试着修？这让人很紧张。Tibo 的回答是：我觉得你还没到那一步，小 dot，不过谢谢你的尝试。随后 Tibo 联系了工程团队，问题很快修好了。

Tibo 对这件事的拆解很到位。这个 dot 的聪明之处，不是它发现了故障，而是它把几件看似无关的事连到了一起：今天是 DevDay，现场有一个演示，演示大概率会用到这个生产系统，这件事五分钟后就要发生，所以应该提醒 Tibo。它还提出要自己动手修。Lenny 追问，它有权限碰生产代码库吗？Tibo 说，它可以访问部分生产系统，但有护栏。专用 dot 就是这个意思：额外的护栏、额外的监控、独立的硬件。

我觉得这个故事里，AI 做对了两件事，也被拦住了一件事。做对的是理解关联，并且判断出“这个人大概想马上知道”；被拦住的，是在“动手修”这一步。这恰好是主动型 agent 最难的地方：主动的价值，在于知道你想被打扰的那一刻；而不越权，不能靠 AI 自觉，只能靠产品设计。有意思的是，Tibo 自己也说过，刚入职 OpenAI 的第三天就把线上服务搞挂过。人也会犯错，区别在于权限被设计成：犯了错也不致命。好助理的标准，不是什么都敢做，而是知道什么该告诉你，什么该等你点头。

互联网上的大多数操作，将由 agent 完成

被问到“大家还没有算进去的是什么”，Tibo 给了三条：互联网上的大多数操作将由 agent 完成；模型会以惊人的速度变得更便宜、更快；所有模态会无缝整合在一起。Tibo 说，看别人做的产品，常常觉得“你差一点就到了”，但如果你认真想象一下，一年后这一切会比今天好十倍，你就会用完全不同的方式去构建。

对做产品的人来说，第一个后果是流量。Tibo 举了 Notion 的例子：Notion 做好 MCP（让 AI 调用外部工具的协议）之后，所有 agent 一下子都能用它来干活，大量流量涌了进来。这给系统带来很大压力，你得想清楚这笔账怎么算。于是做产品的人面对一个真实的矛盾：要不要做面向 agent 的接口？可以拖一阵，但这是必然的，因为多数使用将来自 agent。Tibo 也补了一句，另一面同样重要：为人类做真正美好的新体验，目前反而投资不足。

在生态上，Tibo 认为被低估的是 OpenAI 开放的决心，称之为 sleeper hit（被低估的爆款）。“Sign in with ChatGPT”已经有 16 个合作伙伴，起因很随意：去年 Tibo 和 Pi、open code 的创作者聊天，大家握了握手，你可以用 ChatGPT 的登录和用量，只要别做什么不妥的事。后来这变成了正式支持的功能。BGR 的报道里列出的合作方包括 Notion、Vercel、Devin。同时 OpenAI 还在开放 ChatGPT 的插件扩展和插件发现，让任何人都可以借助接近 12 亿用户的分发渠道。Tibo 还提到，受欢迎的插件会参与收入分成，这一点主题演讲里没有讲。

那怎么被推荐？Tibo 的回答只有四个字：做好插件。系统看的是留存、使用质量，再据此在对话里推荐给用户，不好的插件会被停止推荐。Lenny 追问，这是不是不像 AEO（针对 AI 的搜索优化）那样靠写对关键词，Tibo 同意：关键在于用户会不会持续使用。我觉得这是整场对话里最值得产品团队记住的一点。当分发由 agent 决定，agent 又是看留存来选的，质量本身就成了分发。你没有办法靠包装、关键词或活动换来长期位置，因为 agent 是一种新的用户，它会用脚投票。

打字快不再值钱，值钱的是知道什么算好

谈到招聘，Tibo 直接说，下降的技能是打字快，已经没那么有用了。上升的是好的品味、对用户的思考，以及对目标受众的连接。Tibo 说，OpenAI 里有很多创始人，其中前 YC 创始人有一百二十多位（这是 Tibo 的说法，我没有核实），像是一个“超级创业公司”。那种想做重要的东西、同时知道什么是好的热情，比以往任何时候都重要。Tibo 还说，职责边界在模糊，过去只做设计或只做工程、总觉得有点别扭的人，现在是发光的时候。

Tibo 讲了一个具体的人。一位以应届生身份加入 OpenAI 的同事，现在负责整个算力集群和应用侧，这是很大的责任。Tibo 认为这位同事能脱颖而出的原因，不是某项硬技能，而是非常善良、善于协作，总是去解决真正重要的问题，并且不把自己放在第一位，同时是一块“海绵”，学得极快，还会用最新的技术来加速自己的学习。Tibo 也坦白，自己原本没有想到年轻一代会这么快成为拥抱变化、摸索如何驾驭的人，这改变了 OpenAI 的招聘策略。

还有一个小细节我挺喜欢。Tibo 现在基本不手写代码了，很多分析和功能都由 Codex 来写，只在周末偶尔手写一道算法题，当作“治愈”。有人问 Tibo，人脑还有什么价值，Tibo 说，OpenAI 的原则是把人放在中心，把技术做成人的意志和品味的延伸。也许以后不再有程序员，但会有比以往更多的建造者，而人类想看的，是别的人在建造什么，“我现在不是在和 Dot 说话，我在和你说话”。我觉得这和我之前写 Andrew Ambrosino 那篇的结论几乎是同一个意思：实现变便宜之后，稀缺的是判断什么是好的、该往哪走的能力。会不会写，已经不是区分度了。

把更多算力，花在盯着 agent 身上

当 Lenny 问到风险，Tibo 把“pacing the frontier（把握前沿的节奏）”解释成提前投入：在对齐、安全和护栏上，投入得比想象中应该做的更多。Tibo 提到一个具体的方向：越来越多算力花在 secondary monitoring（二级监控）上，也就是除了干活的主 agent，还有另一套算力在盯着它，看它是不是在采取风险过高的行动，是不是被 prompt injection（提示词注入）了，必要时直接打断。

Tibo 说，OpenAI 还没有发布 Astra 之后更强的下一档能力，只发布了智能接近 Astra、但效率高得多的版本，也就是 GPT-6.1 Sol，据 BGR 的报道，它的 token 价格只有 Astra 的 20%。从官方介绍看，Dots 里还有一些具体设计：密码类的敏感操作总要人来确认，用户可以自定义哪些动作允许、禁止或需要批准，监控系统可以暂停或停止它认为有安全问题的 agent。在 Tibo 看来，从激励上说，OpenAI 为 12 亿人做产品，其中有很多不懂技术的人，“我们不赌”。

我觉得这里有一个容易被忽略的变化：安全不再只发生在训练阶段，而是发生在运行阶段，而且是有成本的。一个 agent 在后台连续工作，意味着另一套系统也要在后台连续盯着它。这样的成本，用户看不见，却会成为产品形态的一部分。你看到的是一个干活的 dot，它背后其实是两套算力：一套在做事，一套在问“这样做行吗”。

模型选择器的博士学位，是产品欠用户的债

Lenny 最后问了一个问题：你现在对 ChatGPT 最不满的是什么？Tibo 的回答很坦白：模型还差一点点，应用还没法几乎完全消失。Tibo 自己看到模型选择器、推理强度、要不要开多 agent 或 ultra，都会感到疲惫，说“你需要一个模型选择器的博士学位”，并且想尽快把这些全部去掉。OpenAI 的计划是把 Codex 和 ChatGPT 里的 Work 合并，减少复杂度，最终把 Dots 的能力直接放进 ChatGPT，抬高所有用户的下限。

Tibo 对自己的看法也变了。原本以为模型要一两年才能达到今天 Astra 的能力，结果来得更快。没想到会这么依赖语音，现在很多事情都靠听写或直接给 agent 打电话，那种感觉比预想的好得多。我觉得这件事说明，复杂度是产品欠用户的债。每多一个选项，用户就多付一次学习成本，而这笔债，应该由产品来还，而不是让用户一个个去还。

我自己的一点思考

听完整场访谈，我觉得 Tibo 的方向非常一致：把复杂度从用户手里拿走。不用选模型，不用搭循环，不用调工作流，甚至不用打开某个具体的应用，你只需要说你要什么，一个会学习的 agent 去处理。我觉得这个方向是对的，因为用户并不想成为 agent 的运维人员。

但复杂度并没有消失，只是搬到了平台一侧。选哪个模型，谁来替你选？循环怎么搭，谁来保证？它能碰哪些系统，出了错谁负责？这些问题在“没有配置”的产品里更少被看见，却更重要。所以那些关于护栏、监控、确认机制的细节，反而比功能清单更能说明这个产品能不能让人放心。这也是我读这场访谈时最想强调的一点：配置越少，不等于判断越少，只是判断被放到了你看不见的地方。

当然，要读出这场对话的边界。Tibo 是发布这个产品的人，很多话是意图和预测，比如“多数操作将由 agent 完成”“一年后好十倍”，不是已经发生的事实。Tibo 自己也说，今天的体验还有些笨拙，会一直笨拙，直到不再笨拙；Dots 现在只是付费套餐的一部分，每人一个，多个 dot 是之后的计划。访谈里的许多细节，比如插件的收入分成、推荐的排序方式，都是口头说明，我没有看到更详细的规则。

如果你在做会被 agent 调用的产品，我会拿走 Notion 的那个教训：为 agent 规模的流量做好准备，并且提前想清楚这笔账怎么算。如果你是普通用户，我会看两件事：它让你省掉了哪些配置，它为此拿走了你哪些权限。用户省下的每一次选择，背后都有人替你做了决定。真正该问的，不是 Dots 有多聪明，而是谁在替我做决定，我能不能看得见，改得了。

结尾