这两天对于国产Manus的热议为AI Agent产品概念添了一把火，引发了AI巨头们的关注和重视。

今天凌晨，在没有直播预告的情况下，OpenAI首席产品官凯文·韦尔（Kevin Weil）带领研发小队直接开播，抛出了一套重磅AI Agent组合拳。

OpenAI团队表示，这是一套构建模块，它们可以帮助开发人员和企业构建实用可靠的AI代理。尤其是Responses API，被视为是OpenAI API的新原语，它是该团队两年来设计优化OpenAI API学习的最新成果，是构建AI代理下一章的基础。

还在带娃的Sam Altman发帖表示：“这是团队取得的巨大成就。我显然有偏见，但我认为它是有史以来设计最完善、最实用的API之一，人们会真正喜欢它。”

围绕LLM构建AI Agent代理层成为今年的热门趋势，市场应用竞争节奏开始变得紧锣密鼓，行业接口标准化之争也随之而起。

开发了一门新生意

OpenAI具体发布了啥？简单来说，这是一套新的API和工具，专门用于简化代理应用程序的开发。

这可能也意味着OpenAI自己的AI Agent计划会有所调整，而转向把这些相关开发工具和集成功能拿出来进行变现。

1、新的Responses API，可以将Chat Completions API的简单性与Assistants API的工具使用功能相结合，用于构建AI代理；

2、内置工具，包括网页搜索、文件搜索以及电脑的使用等；

3、新的Agents SDK协调单代理和多代理工作流程；

4、集成可观察性工具跟踪和检查代理工作流程的执行情况；

从作用而言，这些新接口和工具将大大简化核心代理逻辑、编排和交互，使开发人员能够更轻松地开始构建AI代理，据了解，在接下来的几周和几个月内，OpenAI还计划发布更多工具和功能，以进一步简化和加速在该平台上构建代理应用程序。

这对OpenAI现有的其他API意味着什么？

对于Chat Completions API⁠，仍然是其最广泛采用的API，OpenAI团队仍致力于通过新模型和功能支持它，不需要内置工具的开发人员可以放心地继续使用这个API⁠。但是，Responses API是一个集成Chat Completions API⁠基础上具备更出色性能的端口，因此对于新的集成，OpenAI团队建议之内从Responses API 开始。

关于Assistants API⁠，OpenAI正在努力实现Assistants和Responses API之间的全部功能对等，完成后，将正式宣布弃用Assistants API，目标弃用日期为2026年中期，Responses API将作为在OpenAI上构建代理的未来方向。

在Responses API中，网页搜索、文件搜索或计算机使用只需几行代码。使用gpt-4o和gpt-4o-mini时，网络搜索可用作工具，并可与其他工具或函数调用配对使用。

该API中的网页搜索由与ChatGPT搜索相同的模型提供支持，在SimpleQA基准上，GPT-4o搜索预览和 GPT-4o mini搜索预览的得分分别为90%和88%。

网页搜索生成的响应包括新闻文章和博客文章等来源的链接，为用户提供了了解更多信息的途径，任何网站或出版商都可以选择出现（在新窗口中打开）在API的网络搜索中，开发人员可在Responses API中预览该网络搜索工具。

目前，GPT-4o搜索和GPT-4o-mini搜索的定价分别为每千次查询30美元和25美元。

文件搜索工具通过支持多种文件类型、查询优化、元数据过滤和自定义重新排序，它可以提供快速、准确的搜索结果。同样，使用Responses API只需几行代码即可集成。

**使用文件搜索工具的定价为每千次查询2.50美元，文件存储费用为每天每GB 0.10美元，首GB免费。**OpenAI为向量存储（Vector Store）API对象添加了一个新的搜索端点，以便直接查询数据，供其他应用程序和API使用。

关于计算机使用工具，该工具由与Operator相同的计算机使用代理 (CUA) 模型提供支持。

在涉及全面计算机使用任务的 “操作系统世界”（OSWorld）上成功率达到了38.1%，在 “网络竞技场”（WebArena）上为58.1%，在基于网络交互的 “网络旅行者”（WebVoyager）上达到了87% 。

计算机使用工具作为一项研究预览功能，目前只对部分高级别开发者开放，使用该工具的定价为每100万输入token3美元，每100万输出token12美元。

最后是关于Agents SDK，它适用于各种实际应用，包括客户支持自动化、多步骤研究、内容生成、代码审查和销售勘探。例如，Coinbase使用Agents SDK快速原型化并部署AgentKit，这是一个工具包，可让AI代理与各种链上活动无缝交互。

OpenAI表示致力于继续将Agents SDK构建为一个开源框架，以便社区中的其他人可以扩展这种方法。

此外，该团队表示随着AI大模型功能变得越来越代理化，他们将继续投资于跨API和新工具的更深层次集成，以帮助部署、评估和优化生产中的AI代理，接下来目标是为开发人员提供无缝的平台体验，以构建可帮助完成任何行业各种任务的AI代理。

提前的布局动作

对于AI Agent这件事，OpenAI正在一步步进行自己的新布局和业务转型。

在Responses API推出之前，OpenAI还发布了一个思维链 (CoT) 监控工具，利用其他LLM来有效地监控思维链中的不当行为。

思维链 (CoT) 推理模型以人类可以理解的自然语言进行“思考”，监控它们的“思考”使开发人员能够发现不当行为，例如在编码任务中破坏测试、欺骗用户或在问题太难时自己放弃等。

OpenAI团队发现，直接优化CoT以遵守特定标准（例如不考虑奖励黑客）可能会在短期内提高性能，然而，它并不能消除所有不当行为，并可能导致模型隐藏其意图。

在此之前，该团队建议不要直接对前沿推理模型的CoT施加强大的优化压力，而应该对CoT进行不受限制的监控。

如果想要直接向用户展示符合政策的CoT，同时又避免对其施加严格的监督，可以使用单独的模型，例如CoT摘要器或清理器来实现这一点。

OpenAI团队认为，思路链（CoT）监控可能是监督超人模型的少数有效方法之一。

如今随着Responses API的推出，不难发现，掌握最领先AI大模型的OpenAI更愿意重点去做一个较为底层的技术端口和各种集成工具提供商，而不太想直接加入白热化的AI Agent产品大战，毕竟，应用型产品接下来可能是层出不穷的。

Sam Altman在发帖中表示“有偏见”，可能在其团队内部对这样的发展路径存在一定分歧。就在几天前，Sam Altman还沉浸在AI模型代理的“体验”之中，透露其团队训练了一个擅长创意写作的新模型（尚不确定它将如何/何时发布），Sam表示第一次真正被人工智能写的东西所震撼。

开源工具值得期待

即便是提供了一整套有力的AI Agent开发工具，但“收费”的OpenAI可能再一次面临开源力量的冲击。

就在半天前，被热议的AI Agent应用Manus宣布与开源模型领域的巨头阿里开始合作了，致力于在国产模型和算力平台上实现Manus的全部功能。

Manus官方表示，目前两家技术团队已展开紧密协作，共同致力于为中国用户打造更具创造力的通用智能体产品，通过此次合作会尽快将Manus的体验带给广大中文用户。

根据最新的技术拆解，Manus是在领先大模型基础上利用多种开源技术大融合而成，其团队也表示在未来不久的时间内将进行一些技术开源。而阿里最近开源的全新推理模型QwQ-32B，32B参数的整体性能已比肩671B参数的DeepSeek-R1，将部署成本进一步降到了消费级水平上，两者的合作可能会进一步点燃市场各路AI玩家的竞速。

Manus和阿里会不会效仿OpenAI整合推出一套成本更低的开发接口和开源工具包非常值得关注，毕竟在市场爆发前夕，AI巨头都想争夺对AI Agent标准的最大话语权。

接下来，可以一起期待各种AI Agent产品大爆发了。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】