摘要

OpenAI 正将 Responses API 定位为新型智能体应用的默认入口，同时承诺 Chat Completions 仍将维持多年。 swyx 将这一方向概括为一个“严格超集”，把 Chat Completions 的能力与 Assistants 的工具和状态结合起来。Assistants API 计划于 2026年上半年退出；OpenAI 将为 Responses 增加 assistant 类对象、thread 类对象、Code Interpreter、异步模式和 webhooks，并给用户整整1年迁移时间。
这套平台正围绕统一的智能体技术栈，打包 Web Search、托管式检索、计算机控制、编排和可观测性。 开发者可以在“1次 API 请求”中组合多项能力；Romain 表示，需要完全掌控检索流程的团队仍可自建基础设施。
Web Search 展示了工具对模型表现的提升幅度：SimpleQA 准确率从 GPT-4o 的 38% 升至 GPT-4o Search Preview 的 90%。 Responses 将搜索开放为可组合工具；Chat Completions 则要求使用专门的搜索模型，因此 o1 不能直接在其中调用搜索。结合函数调用和结构化输出，Nikunj 称其“几乎就是互联网的 API”。
Responses 免费保存状态30天，在不强制应用状态化的前提下改善调试体验。 开发者可以设置 store: false；保存的 response 会在控制台展示提示词、工具调用和配置失败信息。不过，swyx 仍援引 Corey Quinn 的警告：“凡是能拿来当数据库的东西，最终都会被拿来当数据库用”（Anything that can be used as a database will be used as a database）。
File Search 被定位为面向不想自行掌控每个检索决策团队的托管式 RAG。 它负责解析、切分、生成 embeddings、向量存储和搜索；讨论还涉及查询优化与自定义重排序。元数据过滤被认为是最重要的后续功能之一，尤其是在记录数超过约 5,000–10,000 条之后。要获得完全控制，仍需自建整套技术栈。
Computer Use 仍是早期的专用能力，还不是成熟的通用基础组件。 它的模型读取截图，并针对可能需要20步、持续数分钟的任务返回点击、滚动、输入等工具调用。Romain 将其称为“计算机操作领域的 GPT-2，甚至可能是 GPT-1”（the GPT-2 of computer use or maybe GPT-1）。
Agents SDK 将意外走红的 Swarm 实验升级为 OpenAI 的编排层。 类型系统、可并行运行的 guardrails、handoff、追踪和供应商可移植性，支持构建专业化智能体，而不是“一个智能体统治一切”（one agent to rule them all）。长期来看，OpenAI 希望让 traces 生成 evals，再由 evals 驱动强化微调，但“还有大量细节”尚未解决。

精读

1. Responses 成为 OpenAI 统一的智能体基础组件

此次发布将3个内置工具——Web Search、升级版 File Search 和 Computer Use——与全新的 Responses API，以及源自 Swarm、经过升级的 Agents SDK 打包在一起。
swyx 用“严格超集”描述其目标方向：Responses 在发布时支持 Chat Completions 的全部能力，计划逐步吸收 Assistants 的能力，同时通过 store: false 保持无状态。
Chat Completions 最初于 2023年3月左右推出，面向单轮文本工作流；它“会长期存在”，并继续支持新模型和新功能。Assistants 则计划于 2026年上半年退出；OpenAI 将把 assistant 类对象、thread 类对象、Code Interpreter、异步模式和 webhooks 加入 Responses，并给用户整整1年迁移时间。
状态可免费保存30天。Alessio 强调了控制台级别的调试能力——查看提示词、工具选择和配置——swyx 则引用 Corey Quinn 关于“任何能被当作数据库使用的东西”的警告；Romain 指出，用户早已在对象元数据里塞入各种数据。

2. Web Search 将实时信息转化为结构化应用数据

搜索以两种方式提供：作为 Responses 的内置工具，或作为 Chat Completions 中的 GPT-4o Search Preview。后者不能作为工具挂载到 o1 等其他模型上。
搜索微调重点提升正确材料的检索能力、事实准确性和引用准确性；Nikunj 提到了合成数据技术和模型蒸馏。在 SimpleQA 上，主持人强调其准确率达到 90%，而 GPT-4o 为 38%。
Nikunj 给出的最佳可组合案例，是将 Web Search、函数调用和结构化输出结合起来：实时网页信息可以直接进入应用所要求的 JSON schema，“几乎就像互联网的 API”。
主持人追问了检索深度和成本问题：top-K 可能返回无关的填充内容，而相似度阈值可能返回5份或500份文档，使支出在每1,000次查询约30美元的水平上变得难以预测。Nikunj 表示，深度目前还不是一个可调参数，并建议通过编排加入规划步骤、逐步增加调用深度；swyx 则提出用上下文预算管理成本。

3. File Search 提供托管式 RAG，代价是控制权

File Search 接收私有数据，并负责解析、切分、生成 embeddings、搜索和向量存储。讨论还涉及查询优化与自定义重排序；元数据过滤被认为是最主要的待加功能，尤其当存储规模超过约 5,000–10,000 条记录后。
Nikunj 给出的最佳组合工具案例，是把用户的阅读或时尚偏好存入 File Search，将其作为记忆检索出来，再在网上搜索匹配的商品——所有步骤都在1次 Responses 调用中完成：配置好工具后，“轰的一下，所有事情就都发生了”。
swyx 提到 Navan 将常见问题和旅行政策加载到 File Search，让智能体无需重建检索基础设施就能使用这些政策。OpenAI 的建议很务实：先采用托管方案，只有在完全控制确实重要时，再自行实现切分和检索。

4. Computer Use 将智能体延伸至长链路界面操作

Computer Use 背后的模型接收截图，通常返回工具调用——点击、滚动、输入，然后回传结果。一个浏览器任务可能需要“几分钟”，以及大约20步，这也解释了为什么 Responses 从设计上就面向多轮、长链路执行。
Romain 称这项能力为“计算机操作领域的 GPT-2，甚至可能是 GPT-1”。主持人提出将 Pokémon 作为智能体基准测试；OpenAI 认为值得尝试。Romain 表示，愿景是等 preview 微调模型稳定后，将其并入核心模型，正如视觉能力此前完成的整合。

5. Agents SDK 让 handoff 可观测、可训练

Swarm 最初只是一个“低调的实验”，用于多智能体编排；但意外的采用规模促使 OpenAI 将 handoff 提升为核心平台组件，并以 Agents SDK 命名。
SDK 增加了类型系统、可并行运行且能阻断执行的 guardrails，以及内置 tracing。Responses 是默认选项，但任何实现 Chat Completions 格式的供应商都可以接入，多个 tracing 供应商也同样支持。
Romain 将一个受监控的分诊智能体交接任务给专业智能体的模式，与塞满工具调用、试图“一个智能体统治一切”的模式作对比。控制台中的 traces 会展示每次 handoff、下游智能体和工具调用，便于排查问题。
Romain 的路线图是先用 traces 生成 evals，再用高质量的评测器和任务进行强化微调。“还有大量细节”待解决，但 OpenAI 打算大力推进这条从 trace 到 eval 再到 RFT 的闭环。

第133期 - 2025年3月7日 Alex Morris（TSOH及《Buffett and Munger Unscripted》作者）谈2024年Berkshire年度信