夜雨聆风
聊天被判了死刑,AI要重写软件、工作和分配规则
聊天已死。
说这句话的背景，是 OpenAI 正在筹备 ChatGPT 自 2022 年上线以来最大规模的改版。Codex、图像生成、智能体和第三方应用会被塞进同一个超级应用里，目标不再是等你输入一句提示词，再吐回来一段答案。
它想直接接过任务。
如果只看这一条，很容易把它理解成 ChatGPT 又要改版了，导航栏里多几个按钮，产品经理重新画一遍首页。
但把过去二十四小时的几条消息放在一起，画面就完全不一样了。
北海道的西兰花农民已经把 ChatGPT 和 Codex 用来识别病害、控制温室卷帘、追踪播种数量，还在研究低成本自动驾驶。Hugging Face 上出现了专门分析 Claude Code 会话的 Her，开始检查智能体花了多少 token、调用了什么工具、有没有碰秘密和高风险操作。另一边，美国政府与 OpenAI 甚至在讨论公共财富基金，让公民分享 AI 增长带来的收益。
从聊天框，到农田里的控制器，到公司的审计记录，再到国家层面的利益分配。
这已经不是一个产品功能变多的故事了。
我觉得今天真正值得盯住的变化，是 AI 正在跨过软件工具的边界，变成一种新的执行基础层。
一旦它开始替人做事，旧问题就会跟着回来。
谁给它任务，谁检查过程，谁承担错误，谁支付成本，最后又是谁拿走收益。
过去大家比的是模型会不会回答。
接下来比的，是谁能把这些问题重新写一遍。
01｜ChatGPT 不想再做一个聊天产品了
按照 AI HOT 收录的信息，ChatGPT 正在筹备上线以来最大规模的改版，从聊天机器人转向超级应用和 Agent 平台。Codex、图像生成以及 Canva、Booking.com 等第三方应用会被整合进来，网页端和手机端都可能在未来几周看到变化。
表面看，这是功能聚合。
再往里看一步，它改的是软件与人的分工。
传统聊天产品有一条很清楚的边界。你负责想清楚问题、组织提示词、判断该用什么工具，AI 负责回答。答案出来以后，复制到文档、打开订票网站、修改代码、发送邮件，还是你的事。
这个模式有点像坐在办公室里问一个聪明同事。
他知道很多，但不碰你的电脑。
Agent 平台想做的，是让这个同事站起来，拿到工具权限，进入应用，连续完成一串动作。用户不再需要知道中间该打开哪一个页面、调用哪一个模型、复制哪一段内容。
甚至连提示词都可能慢慢退到后台。
这会带来一个很容易被忽略的变化。
以前的软件把功能摆在界面上，用户学习按钮、菜单和操作路径。Agent 平台反过来，它先理解用户想完成什么，再临时组织工具和步骤。
用户看到的界面可能越来越简单，后台的软件关系却越来越复杂。
一次看似普通的订票请求，背后可能要读取日历、比较价格、确认预算、调用第三方服务，再等待用户批准付款。以前这些步骤由人脑串起来，以后平台想把它们变成默认流程。
所以超级应用真正争夺的并不是首页空间。
它争夺的是替用户安排步骤的权力。
OpenAI 当然有很现实的商业压力。ChatGPT 已经拥有庞大的用户规模和付费用户，但仍未盈利，企业客户收入占比还要继续提高。只卖回答，很难把用户一天里的更多工作留在平台内。接过任务，才能接过更长的使用时间、更深的业务数据和更大的预算。
所以那句聊天已死，并不是说人以后不说话了。
它说的是，聊天不再是产品终点。
聊天会变成入口，像今天软件里的搜索框和菜单一样。真正决定平台价值的，是一句话之后发生了什么。
文件有没有被创建，代码有没有部署，酒店有没有订好，工作有没有真的完成。
这也是今天第一层变化。
AI 公司不满足于卖给你一个更聪明的对话框了，它们要争夺任务的控制台。
02｜真正有用的 Agent，可能先长在西兰花田里
今天更打动我的，反而是北海道一个种西兰花的农民。
富安弘毅把 ChatGPT 和 Codex 用进了农场。他拍照识别西兰花病害，用卫星数据查看植被状态，用 ESP32 和 LINE 机器人远程控制温室卷帘，还让机器人从群聊里追踪温度、排期和播种数量。
他甚至在研究 RTK-GPS 自动转向，判断这套原本昂贵的农业自动化能不能自己低成本搭出来。
这里没有漂亮的 Agent 发布会。
也没有一个无所不能的人形机器人站在田里。
真正发生的事，是一个具体的人把模型、传感器、聊天软件、数据库和几块便宜硬件接到一起，解决了一串以前要找供应商、买专用系统才能解决的问题。
你想想看，这才是执行型 AI 最有杀伤力的地方。
它不是凭空发明农业知识，也没有替农民决定什么时候播种。它把过去散落在照片、群聊、表格、控制器和经验里的信息，重新接成了一条能工作的链路。
农民仍然负责判断。
AI 开始负责那些以前太贵、太碎、太麻烦，所以一直没人愿意做的软件活。
过去企业软件有一个隐形门槛。需求要足够标准，客户要足够多，预算要足够高，软件公司才愿意为它开发一套产品。
一块农田里很私人、很零碎的流程，通常进不了产品路线图。
Codex 这样的工具把这道门槛往下压了。
不是因为代码突然不要钱了，而是描述需求、试错、修改和维护的成本一起下降。一个不懂传统软件开发的人，也可以从自己的工作细节出发，慢慢拼出一套只服务于自己的系统。
过去我们常把这种需求叫作非标，然后把它丢进表格、群聊和人的记忆里。
非标的另一层含义，其实是市场太小，没人愿意专门为你开发。
生成式编程正在改变这笔账。哪怕一个流程只服务一座温室、一个小团队、一个家庭，它也可能值得被写成软件。
这会让软件从标准商品，变成更贴近个人工作的临时基础设施。
很多微小岗位不会先等到一款完美产品。
它们会先被使用者自己，一点一点改造。
这跟 OpenAI 想做超级应用，其实是一件事的两面。
平台想从上往下接管任务。
普通人正在从下往上，把自己的工作改造成可以交给 AI 的任务。
最后谁赢，不一定只看谁的入口最大。
还要看谁能让一个西兰花农民，在没有庞大 IT 团队的情况下，把真实问题解决掉。
AI 真正进入工作，不是大家都去使用同一款超级应用。
而是过去不值得被软件化的工作，也开始拥有自己的软件。
03｜AI 一旦开始干活，就必须留下账本
AI 替你完成的动作越多，你越不能只看最后那句完成了。
Hugging Face 上今天被精选的 Her，就是一个很典型的信号。
它专门分析 Claude Code 的会话记录。用户上传会话文件后，Her 会重建每轮交互，标记部署、配置变更、秘密和其他高风险操作，统计 token 消耗、工具调用、子智能体、技能与 MCP 服务器，还能把问题定位到具体轮次。
这个工具没有试图再造一个更聪明的编码 Agent。
它做的是看住 Agent。
说真的，这类工具接下来会越来越重要。
一个聊天机器人答错了，用户通常能当场看出来。一个 Agent 连续工作二十分钟，中间读了几十个文件、调用了十几个工具、改了配置、访问了外部服务，最后只给你一句任务完成，问题就复杂多了。
结果看起来对，不代表过程没有风险。
它可能花了不该花的 token，读取了不需要读取的数据，在错误的环境执行命令，或者绕了一个很长的路才碰巧得到正确答案。
人类员工进入公司，要有权限、审批、日志和复盘。
AI 员工也绕不过去。
OpenRouter 同一天上线实时缓存命中率和历史流量视图，也在说明类似的问题。模型越来越多，价格表只是名义成本。实际调用时缓存有没有生效、流量怎么分布、哪一个模型在偷偷烧预算，才是团队真正付的钱。
过去选模型像买一件工具。
以后管理 Agent 更像运营一支看不见的队伍。
你需要知道它们做了什么，为什么这么做，花了多少钱，出错以后能不能找到现场。
这里还有一个很现实的矛盾。
大家使用 Agent，本来就是为了少盯过程。如果每一步都要人确认，自动化会失去意义。如果完全不看过程，风险又会在后台积累。
真正可用的管理方式，不会是让人重新逐行检查机器做过的一切。
它应该把少数异常动作、权限升级、成本突增和不可逆操作挑出来，让人只在关键位置接管。
监督不是把工作重新抢回来。
监督是让人知道什么时候必须回来。
这会催生一整层新的软件。
会话审计、权限控制、成本归因、过程回放、风险告警、质量验收。
这些功能没有生成一张漂亮图片那么容易传播，但它们决定 Agent 能不能进入真实公司。
今天第三层变化就在这里。
当 AI 从回答者变成执行者，日志就不再是开发者调试时顺手留下的东西。
日志会变成责任的起点。
04｜当 AI 变成基础层，收益分给谁也会变成产品问题
今天还有一条消息，看起来跟产品设计没有关系，但我觉得它恰好把这条主线推到了更深的地方。
特朗普政府与 OpenAI 正在讨论一种公共财富基金方案。AI 企业可能向基金捐赠小部分股权，再通过账户或分红，让美国公民分享 AI 增长带来的收益。
这还只是讨论，不是已经落地的制度。
可它会被摆上桌，本身就很说明问题。
当 AI 只是一个好用的软件，政府关心的是隐私、垄断和内容安全。
当 AI 开始影响就业、数据中心、电力、基础设施和资本收益，问题会迅速变成另一种样子。
谁承担转型成本，谁拥有最值钱的模型和算力，普通人能不能分享到增长。
同一天，美国众议院议员还发布法案草案，试图禁止各州分别制定 AI 法规，把监管权集中到联邦层面。
一个在讨论收益怎么分。
一个在讨论规则由谁定。
过去互联网公司做大以后，社会往往是在问题出现很久之后才补规则。
AI 的节奏更快，因为它不仅分发信息，还可能直接执行决定。一个平台控制的不是用户看见什么，而是任务按什么顺序被完成、哪些服务被调用、哪些供应商得到订单。
当执行路径本身由平台安排，产品设计就带上了分配权。
这也是为什么公共讨论来得这么早。
大家担心的不只是模型会不会出错，还担心少数公司会不会同时握住入口、算力、数据、行动和收益。
这跟 ChatGPT 改版、农民使用 Codex、团队审计 Agent，看起来隔得很远，其实都在回答同一个问题。
AI 的执行权越来越大以后，旧的边界还够不够用。
软件公司的产品边界不够用了，所以 ChatGPT 要变成平台。
传统软件服务的客户边界不够用了，所以一个农民也能搭自己的自动化。
公司的管理边界不够用了，所以 Agent 需要独立日志、成本和风险审计。
政府原来的监管与分配边界，也开始被迫重新讨论。
我不敢说公共财富基金最后一定能落地，更不敢说它能公平解决 AI 带来的所有利益冲突。
但可以确定的是，AI 公司以后不能只回答模型多强。
它们还要回答模型进入社会以后，权力和收益怎么流动。
技术走到基础设施这一步，商业问题、管理问题和公共问题就会挤进同一张桌子。
谁都没法只聊参数了。
所以回到今天这批消息，我更愿意把它们看成一次边界迁移。
聊天没有真的死。
死掉的是那种把 AI 关在聊天框里，默认它只负责说话、不负责后果的想象。
现在它开始写代码、控制设备、调用服务、消耗预算，下一步还会进入更多普通人的具体工作。
能力越往外伸，责任就越要跟上。
产品要重新设计入口，个人要重新整理工作，公司要重新建立审计，社会也要重新讨论规则和收益。
以前我们把这些当成四个问题。
AI 正在把它们压成同一个问题。
谁允许机器行动，又由谁为行动负责。
今天最值得记住的，不是 ChatGPT 又要变成一个更大的应用。
而是 AI 一旦开始真正做事，软件、工作和分配规则都不能继续装作什么也没发生。
当 AI 从聊天框走进执行层，你觉得最先需要重写的，是产品、公司的管理制度，还是公共规则？
🔥 今日话题｜你现在最愿意把哪一类真实任务交给 AI，又要求它留下哪些记录？
👇 点个「在看」，转给那个已经让 AI 干活，却还没认真检查过它做事过程的人。