[{"data":1,"prerenderedAt":295},["ShallowReactive",2],{"post:\u002Fblog\u002Ffrom-gpt-4-invite-to-agents":3,"surroundings:\u002Fblog\u002Ffrom-gpt-4-invite-to-agents":284},{"id":4,"title":5,"accent":6,"body":7,"description":257,"draft":258,"experience":259,"extension":265,"featured":264,"image":266,"meta":272,"navigation":264,"path":273,"publishedAt":274,"readingTime":275,"seo":276,"stem":277,"tags":278,"updatedAt":282,"__hash__":283},"posts\u002Fblog\u002Ffrom-gpt-4-invite-to-agents.md","从一封 GPT‑4 邀请邮件，到智能体时代","violet",{"type":8,"value":9,"toc":246},"minimark",[10,14,17,23,31,38,41,44,49,52,55,61,64,67,70,73,89,92,109,115,118,121,125,128,131,146,149,163,166,170,173,176,193,196,200,203,206,209,212,215,218],[11,12,13],"p",{},"今天整理旧邮件时，我重新翻到了一封 2023 年 3 月 18 日的邮件。",[11,15,16],{},"邮件的标题很直接：",[18,19,20],"blockquote",{},[11,21,22],{},"You’re invited to use the OpenAI GPT-4 API.",[11,24,25,26,30],{},"正文告诉我，已经可以通过 API 使用拥有 ",[27,28,29],"strong",{},"8K context"," 的 GPT‑4。",[11,32,33],{},[34,35],"img",{"alt":36,"src":37},"2023 年 GPT‑4 API 邀请邮件，正文说明可使用 8K context","\u002Fmedia\u002Fposts\u002Ffrom-gpt-4-invite-to-agents\u002Femail-invite-v1.webp",[11,39,40],{},"那时 GPT‑4 才刚发布几天。API 需要申请、等待，再由 OpenAI 逐步邀请开发者。官方发布资料里，标准 GPT‑4 的上下文长度是 8,192 tokens，同时有限开放 32,768-token 版本。对当时的我来说，一次 API 访问资格本身，就像一扇刚刚推开的小门。",[11,42,43],{},"三年多以后再看，这封邮件已经不像一封产品通知，更像一枚时间胶囊。",[45,46,48],"h2",{"id":47},"数字变大只是最容易看到的变化","数字变大，只是最容易看到的变化",[11,50,51],{},"早期开发者熟悉的是 4K、8K 量级的上下文。写提示词时，我们会计算还剩多少空间，主动裁剪资料，把长文拆成小段，再想办法让下一次请求接住上一次的结果。",[11,53,54],{},"到了 2026 年，百万级上下文已经进入主流前沿模型。OpenAI 当前模型目录列出的 GPT‑5.6 系列拥有约 1.05M context window；Google 的长上下文文档也说明，多款 Gemini 模型支持 1M 或更多 tokens。",[11,56,57],{},[34,58],{"alt":59,"src":60},"从 4K、8K 到 1M 以上，上下文从短纸条延伸为多模态资料长廊","\u002Fmedia\u002Fposts\u002Ffrom-gpt-4-invite-to-agents\u002Fcontext-window-v1.webp",[11,62,63],{},"这不只是“能塞进更多文字”。代码、图片、音频、视频和大批文档可以共同成为一次任务的背景。以前必须先切碎、索引和摘要的资料，现在有更多机会被放进同一个工作上下文。",[11,65,66],{},"但更长的上下文不等于完美记忆，也不等于模型会自动抓住重点。资料越多，噪声、成本、延迟和错误关联也可能越多。真正重要的能力，仍然是选择什么信息、以什么顺序提供，以及如何验证模型是否理解了关键约束。",[45,68,69],{"id":69},"真正改变的是交互单位",[11,71,72],{},"三年前，我最常做的是“提问—回答”：",[74,75,76,80,83,86],"ol",{},[77,78,79],"li",{},"写一段提示词；",[77,81,82],{},"等待模型生成；",[77,84,85],{},"复制结果；",[77,87,88],{},"自己完成剩余工作。",[11,90,91],{},"今天，越来越多任务变成了“目标—上下文—行动—验证”：",[74,93,94,97,100,103,106],{},[77,95,96],{},"说明最终目标与完成标准；",[77,98,99],{},"提供代码库、文档和当前状态；",[77,101,102],{},"允许模型调用搜索、文件、终端或其他工具；",[77,104,105],{},"让它执行一连串相互依赖的步骤；",[77,107,108],{},"用测试、构建、差异检查或人工评审确认结果。",[11,110,111],{},[34,112],{"alt":113,"src":114},"聊天框扩展为包含文档、代码、浏览器、工具调用和人工确认的智能体工作流","\u002Fmedia\u002Fposts\u002Ffrom-gpt-4-invite-to-agents\u002Fagent-workflow-v1.webp",[11,116,117],{},"OpenAI 当前的模型与 Responses API 文档已经把函数调用、网页搜索、文件搜索和计算机操作列为可用工具。模型不再只告诉我们“可以怎么做”，而是开始在获得授权的范围内参与真实工作过程。",[11,119,120],{},"这也是我认为“聊天模型”和“智能体”之间最重要的区别：前者交付一段内容，后者推进一个状态会变化的任务。",[45,122,124],{"id":123},"程序员的工作没有消失而是向两端移动","程序员的工作没有消失，而是向两端移动",[11,126,127],{},"当模型可以读代码、改文件、运行命令和检查结果时，程序员并不是突然变得不重要。相反，我们的注意力开始向任务的两端移动。",[11,129,130],{},"在行动之前，需要把问题定义得更清楚：",[132,133,134,137,140,143],"ul",{},[77,135,136],{},"目标是什么，什么不在范围内；",[77,138,139],{},"哪些资料可信，哪些只是参考；",[77,141,142],{},"哪些权限可以授予，哪些操作必须确认；",[77,144,145],{},"失败时应该停止、重试，还是回滚。",[11,147,148],{},"在行动之后，需要把结果验证得更扎实：",[132,150,151,154,157,160],{},[77,152,153],{},"代码能否通过测试与构建；",[77,155,156],{},"页面是否真的符合预期，而不只是生成成功；",[77,158,159],{},"外部状态是否已经改变；",[77,161,162],{},"结果能否被解释、复现和审计。",[11,164,165],{},"三年前，我们努力学习怎样写出一个更好的提示词。今天，我们还要学习怎样设计上下文、工具、权限、检查点和验收标准。",[45,167,169],{"id":168},"能力可以委托责任不能外包","能力可以委托，责任不能外包",[11,171,172],{},"智能体越能执行真实操作，边界就越重要。",[11,174,175],{},"让模型总结一篇文章，与让它修改生产数据库，不是同一种授权；让它提出邮件草稿，与让它直接发送给客户，也不是同一种风险。一个成熟的智能体系统，不应该只追求“能做多少”，还应该明确：",[132,177,178,181,184,187,190],{},[77,179,180],{},"默认只读还是默认可写；",[77,182,183],{},"哪些动作需要人在执行前确认；",[77,185,186],{},"如何限制目标、目录、账号和数据范围；",[77,188,189],{},"如何保存必要的操作记录；",[77,191,192],{},"发生错误时怎样停止并恢复。",[11,194,195],{},"模型可以承担越来越多行动，但判断和责任并不会因此消失。最终仍然需要有人回答：为什么要这样做，依据是什么，风险由谁承担，结果是否可以接受。",[45,197,199],{"id":198},"再过三年我们会怎样看今天","再过三年，我们会怎样看今天",[11,201,202],{},"这封旧邮件如今很像一张偶然保存下来的车票。",[11,204,205],{},"2023 年，我申请的是一次访问模型的机会。2026 年，我们已经在学习如何让模型理解一个长期目标、使用工具、跨越多个步骤，并在人的监督下完成工作。",[11,207,208],{},"让我感慨的不是某一个参数增长了多少倍，而是时间被压缩了。许多曾经只存在于想象中的能力，没有在遥远的未来慢慢到来，而是在几次版本更新之间，悄悄变成了日常。",[11,210,211],{},"也许再过三年回头看，今天让我们惊叹的百万级上下文和智能体，也会像这封邮件一样，成为未来刚刚开始时留下的一件旧物。",[213,214],"hr",{},[45,216,217],{"id":217},"资料说明",[132,219,220,230,238],{},[77,221,222,229],{},[223,224,228],"a",{"href":225,"rel":226},"https:\u002F\u002Fopenai.com\u002Findex\u002Fgpt-4-research\u002F",[227],"nofollow","OpenAI：GPT‑4 发布资料","：GPT‑4 于 2023 年 3 月发布，标准上下文为 8,192 tokens，并有限开放 32,768-token 版本。",[77,231,232,237],{},[223,233,236],{"href":234,"rel":235},"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fmodels",[227],"OpenAI：模型目录","：截至本文发布时，前沿 GPT‑5.6 系列列出约 1.05M context window，并支持多类工具。",[77,239,240,245],{},[223,241,244],{"href":242,"rel":243},"https:\u002F\u002Fai.google.dev\u002Fgemini-api\u002Fdocs\u002Flong-context",[227],"Google AI：Long context","：介绍 Gemini 模型的 1M+ 长上下文能力、使用场景与限制。",{"title":247,"searchDepth":248,"depth":248,"links":249},"",3,[250,252,253,254,255,256],{"id":47,"depth":251,"text":48},2,{"id":69,"depth":251,"text":69},{"id":123,"depth":251,"text":124},{"id":168,"depth":251,"text":169},{"id":198,"depth":251,"text":199},{"id":217,"depth":251,"text":217},"2023 年，我等来的是一次 8K context 的 API 访问资格；三年后，我们开始学习如何向智能体交代目标、权限、边界与验收标准。",false,{"src":260,"title":261,"description":262,"duration":263,"hasAudio":264},"\u002Fexperiences\u002Ffrom-gpt-4-invite-to-agents","从 GPT-4 邀请到智能体时代 · 六幕互动叙事","用 2 分 26 秒回看上下文、智能体工作流，以及能力与责任的变化。",146,true,"md",{"src":267,"alt":268,"caption":269,"width":270,"height":271},"\u002Fmedia\u002Fposts\u002Ffrom-gpt-4-invite-to-agents\u002Fcover-v1.webp","一封来自 2023 年的邮件从玻璃时间胶囊延伸为现代智能体工作空间","三年前申请访问模型，三年后学习与模型共同工作",1600,900,{},"\u002Fblog\u002Ffrom-gpt-4-invite-to-agents","2026-07-25",8,{"title":5,"description":257},"blog\u002Ffrom-gpt-4-invite-to-agents",[279,280,281],"AI","GPT-4","智能体",null,"IodRMucRez876MDzkQQLQGaiyJPEgwFZiNkQ6fYBNJ8",[285,290],{"title":286,"path":287,"stem":288,"description":289,"children":-1},"在边缘构建有状态应用","\u002Fblog\u002Fedge-stateful-apps","blog\u002Fedge-stateful-apps","Cloudflare Workers 很快，D1 很近，但真正困难的是把状态、一致性与失败边界设计清楚。",{"title":291,"path":292,"stem":293,"description":294,"children":-1},"Nuxt 4 的架构减法","\u002Fblog\u002Fnuxt-4-architecture-subtraction","blog\u002Fnuxt-4-architecture-subtraction","一个内容型站点不需要复杂前端状态。让路由、服务端渲染和内容查询各自回到最擅长的位置。",1785034337140]