智能体AI正成为科技行业最新的成功叙事,OpenAI、Anthropic等公司正竞相为企业提供构建自动化助手所需的工具。为此,OpenAI近期对其智能体软件开发工具包(SDK)进行了更新,推出了多项新功能,帮助企业基于OpenAI模型构建专属智能体。
此次SDK的新功能包括沙箱能力,允许智能体在受控的计算机环境中运行。这一能力至关重要,因为完全无监督地运行智能体存在一定风险——智能体的行为有时难以预测。借助沙箱集成,智能体可以在特定工作区内以隔离方式运行,仅访问特定操作所需的文件和代码,同时保护整体系统的安全性与完整性。
与此相关,新版SDK还为开发者提供了适用于前沿模型的"分布内测试框架"(in-distribution harness)。该框架允许智能体在工作区内使用文件及经过审批的工具。在智能体开发领域,"harness"指的是除底层模型之外的其他组成部分。分布内测试框架通常支持企业部署和测试运行于前沿模型之上的智能体,而前沿模型被普遍认为是目前最先进的通用模型。
OpenAI产品团队成员Karan Sharma在接受TechCrunch采访时表示:"此次发布的核心,是对现有智能体SDK进行升级,使其与各类沙箱服务提供商实现兼容。"
他进一步指出,这一升级与新的测试框架能力相结合,将让用户"利用我们的框架以及自有基础设施,构建这些长周期智能体任务"。所谓"长周期"任务,通常指更复杂、涉及多个步骤的工作。
OpenAI表示,将持续扩展智能体SDK的功能。目前,新的测试框架和沙箱功能首先在Python环境中推出,TypeScript的支持计划在后续版本中跟进。公司还表示,正致力于将更多智能体能力(如代码模式和子智能体)引入Python和TypeScript双平台。
新版智能体SDK功能面向所有API用户开放,采用标准定价。
Q&A
Q1:OpenAI智能体SDK新增的沙箱功能有什么作用?
A:沙箱功能允许智能体在受控的隔离环境中运行,智能体只能访问特定操作所需的文件和代码,无法随意操作整个系统。这有效降低了智能体因行为不可预测而带来的安全风险,保护了整体系统的完整性,特别适合企业在生产环境中安全部署智能体。
Q2:OpenAI智能体SDK的"分布内测试框架"是什么意思?
A:"分布内测试框架"(in-distribution harness)是指智能体除底层模型之外的其他组成部分。它允许智能体在工作区内访问文件和经过审批的工具,同时支持企业对运行于前沿模型上的智能体进行部署和测试。前沿模型被认为是目前最先进的通用模型,该框架帮助企业更安全、高效地利用这些模型能力。
Q3:OpenAI智能体SDK新功能支持哪些编程语言?
A:目前,新的测试框架和沙箱功能首先在Python环境中推出,TypeScript的支持将在后续版本中陆续提供。OpenAI还计划将代码模式和子智能体等更多智能体能力引入Python和TypeScript双平台,新功能面向所有API用户开放,采用标准定价。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。