OpenAI 上周在官方博客发布了新产品 Dots(https://openai.com/index/introducing-dots/),定位 always-on agent——也就是常驻式、后台运行的 AI 助理。消息一出,直接冲上 Hacker News 首页,拿到 401 分、306 条评论(来源:Hacker News item?id=49896604),讨论热度相当高。
但我看了评论区一圈,兴奋和质疑几乎对半。这篇文章想聊三件事:Dots 到底是什么、为什么 HN 上吵成这样、以及它和过去那些「永远在线」Agent 的前辈有什么不一样。
Dots 到底是个什么东西
根据 OpenAI 官方博客的说法,Dots 不是另一个 ChatGPT 对话窗口。它是一个常驻 Agent——你给它一个目标,它就在后台一直跑,主动给你汇报进度。
对比一下形态差异:
- ChatGPT 形态:用户提问 → 模型回答 → 结束。下一次交互需要人再发起。
- Dots 形态:用户设定目标 → Agent 后台持续运行 → 主动推回结果 → 期间不需要人一直盯着。
换句话说,ChatGPT 是「你找 AI」,Dots 是「AI 找你」。
官方博客里举的例子大致是这样的:你让 Dots 监控某个 GitHub repo 的 issue,等有人提特定标签的 bug 时自动跑测试、生成 patch、push 到一个分支。这种任务过去要么靠 GitHub Actions 写一堆 YAML,要么靠人盯着 Slack。现在理论上可以让一个 AI 一直在后台替你看着。
听起来很美。但问题是:有多少人真的需要这种 24 小时在线的 AI?
我自己用下来,大部分 Agent 场景其实是「触发式」的——需要的时候跑一下,跑完就关掉。常驻 Agent 适合的是那些异步、长周期、需要等待外部事件的任务,比如监控、巡检、数据流水线。这类需求在企业里有,但对普通开发者来说,可能没那么高频。
为什么这次 HN 讨论这么炸
401 分、306 条评论,这个量级在 HN 上算大新闻了。我把评论区高频观点归了一下类:
正面派(约占 40%):
- 「终于,OpenAI 在做真正的 Agent 产品了」
- 「这是 ChatGPT 之后最让人兴奋的产品」
- 「Operator 的下一步」
质疑派(约占 50%):
- 「又一个 Devin?」——出现频率最高的评论
- 「Always-on agent 这个词 2023 年就有人喊过了」
- 「等 API,等开源,等实际跑通 benchmark」
- 「OpenAI 的产品发布越来越像 keynote 了」
吃瓜派(约 10%):
- 各种 meme、调侃、以及讨论 Sam Altman 什么时候再融资 8 亿。
我注意到一个细节:「Devin」这个词在评论区出现了 20 多次。大家拿 Devin 当参照系,说明市场对这个品类的记忆是负面的。Devin 去年发布时也是这种热度,后来 demo 翻车、订阅暴跌,现在几乎没人提了。
另一个高频词是「demo」。很多人在问:Dots 有没有真实的运行 demo?能不能看到它真的「常驻」跑了几天的真实任务?还是又是一段录好的视频?
Always-on 这个词,不是 OpenAI 第一个用
回顾一下这条赛道上的产品:
- Devin(2024 年初):Cognition AI 发布的「第一个 AI 软件工程师」,定位就是 24 小时自主编程。Demo 惊艳,估值飙升到 20 亿美元。但后来被发现 demo 是录制的,实际表现远不如宣传,订阅用户大量流失,现在基本沉寂。
- Replit Agent(2024 年下半年):从 IDE 里孵化出来的 Agent,可以独立完成 web app 开发。不是 24 小时在线,但能在后台跑任务。目前还活着,但定位已经往「AI 编程助手」回归。
- AutoGPT(2023 年):最早喊出「autonomous agent」口号的产品,可以自己设目标、自己拆任务、自己执行。后来因为不靠谱、跑飞、被玩坏,现在基本只剩 GitHub star。
- Claude Computer Use(2024 年底):Anthropic 出的,让 AI 直接操控电脑。形态上是「会话式触发」,不是常驻,但代表了 Agent 操控 GUI 的能力上限。
这些产品有一个共同点:都尝试过 always-on 或类 always-on 的形态,最后都转向了「人主导 + AI 辅助」的模式。
Dots 凭什么觉得自己能做起来?我没在博客里看到明确答案。可能 OpenAI 的底气来自下面这些技术储备。
技术上 Dots 有可能怎么实现
常驻 Agent 不是单模型能搞定的事,它需要一整套系统协同。基于 OpenAI 现有的产品矩阵,我推测 Dots 大概率是这几块能力的组合:
1. O3 推理模型——负责做复杂决策、任务拆解、异常处理。
2. Operator 浏览器代理——负责执行需要操作网页的任务。
3. Memory 记忆系统——负责跨会话、跨任务的长期记忆。
4. Codex 代码代理——负责代码相关的子任务。
把这四块拼起来,大概是这样的运行机制:
# 推测的 Dots 架构(伪代码)
class DotsAgent:
def __init__(self):
self.planner = O3() # 推理+规划
self.executor = Operator() # 浏览器/工具执行
self.memory = MemoryStore() # 长期记忆
self.coder = Codex() # 代码子任务
self.triggers = TriggerSystem() # 后台触发器
async def run_forever(self, goal):
while True:
# 等待事件触发(轮询/webhook/定时)
event = await self.triggers.wait()
# 用 O3 拆解任务
plan = self.planner.decompose(goal, event)
# 执行
for step in plan:
result = await self.executor.run(step)
self.memory.record(step, result)
if needs_code(step):
await self.coder.run(step)
# 推回结果
self.notify(plan, result)
关键难点不在模型能力,而在:后台运行的可靠性、成本控制、错误恢复、以及「人怎么信它」。
一个常驻 Agent 如果一晚上跑飞了,烧掉几十美元 API 成本,用户第二天看到账单心态会崩。如果它静默失败了,任务没跑通,用户可能一周后才发现。这两个问题不解决,always-on 永远只能是 demo。
编辑思考
我的判断是:Dots 是认真的,但「always-on」是个被高估的需求。
认真在哪?OpenAI 把 Operator、Memory、Codex 几个独立产品打包成一个统一形态,说明内部是真的想押这个赛道。不是又一轮 PPT 营销。
但需求被高估在哪?过去两年,Devin、AutoGPT、Claude Computer Use 一轮一轮地教育市场,结果是大部分人发现:自己其实不需要一个 24 小时在线的 AI 助理,需要的是触发可靠、价格便宜、人可以随时介入的 Agent。常驻只是其中一种触发方式,不是唯一答案。
和 ChatGPT 插件、GPTs 比,那次失败的原因是「开发者没动力、用户没场景」。Dots 这次瞄准的是「异步长任务」这个更窄但更刚需的场景,我觉得方向上更对。
最大的不确定是:OpenAI 会不会真的把 Dots 的核心能力通过 API 开放出来。如果只是一个 ChatGPT 内的新功能,那它的天花板就是 ChatGPT 的用户量。如果开放 API,开发者能基于它搭自己的常驻工作流,那才有真正的想象空间。
我赌前者。等被打脸。