OpenAI Agents API 公测：Codex 底座直接调用，支持长周期…｜AI落地与Agent

本站编辑

有人把整套报关流程交给了 Agent，人只签字；今天 OpenAI 把这套能力打包成 API，开箱即用。

▍今日主打

OpenAI Agents API 公测：Codex 底座直接调用，支持长周期会话与自动工具调用

OpenAI 正式发布 Agents API 公共测试版，这不是一个新模型，而是一套‘Agent 运行时基础设施’：它将 Codex（即支撑 ChatGPT Pro 和内部高阶 Agent 的底层引擎）的能力封装为托管服务，支持长会话（long-running sessions）、自动工具调用、状态持久化与错误恢复。开发者只需传入系统提示词、工具定义和初始消息，OpenAI 即在沙盒中完成整个 Agent 生命周期管理——从首次响应到多轮决策、外部 API 调用、重试逻辑，全部无需自建调度器或状态机。

对想给公司做自动化的企业来说，这意味着：过去需要 2~3 周搭建的采购审批 Agent 或客服工单分派 Agent，现在可能 1 天内就能跑通 MVP；对开发者而言，它绕开了 LangChain/LlamaIndex 等框架中繁杂的状态同步、超时熔断、工具编排逻辑，让重心回归业务逻辑本身。尤其适合需要‘持续交互+多步骤动作’的场景，比如合同审核（读PDF→查法条→比条款→生成修订建议→发邮件），而非单次问答。

但要注意：它目前不开放私有模型接入，所有推理走 OpenAI 托管模型；企业敏感数据若需全程不出域，仍需自建方案。小团队建议先拿非核心流程（如会议纪要归档+日程同步）验证闭环，再迁移至采购/财务等关键链路。

—— 以下是今天的全部 15 条速览 ——

Agent 与流程自动化

1. OpenAI Agents API 公测：Codex 底座直接调用，支持长周期会话与自动工具调用

OpenAI 发布 Agents API 公共测试版，基于 Codex 引擎构建，提供托管式 Agent 运行环境；

支持 long-running sessions（最长 14 天）、内置工具调用、状态持久化与失败恢复机制；

开发者可将自有工具（如 CRM、ERP 接口）注册进 API，Agent 自动识别何时调用、如何传参、如何处理返回。

号哥说：这是首个由大厂推出的、真正面向生产级 Agent 部署的托管 API——不是模型，而是运行时。它把过去需自行实现的会话管理、工具路由、重试策略等‘脏活’全收走了，让企业能跳过工程基建阶段，直接聚焦业务逻辑封装。对比 LangGraph 等开源框架，省去至少 60% 的运维成本。

落地提点：别急着写 prompt，先把你公司最常重复、跨 3 个以上系统的流程（比如供应商准入）拆成 5 步，这就是 Agents API 最该干的第一件事。

OpenAI News · 阅读原文

2. AWS AgentCore 助 AvioBook 实现航班周转分析自动化：运营数据秒变可执行洞察

AvioBook（Thales 子公司）使用 Amazon Bedrock AgentCore 构建 Connected Analytics，连接其 AvioBook Connect 系统；

Agent 可直接解析航班延误日志、地勤操作记录、天气数据等多源结构化/半结构化数据；

向空管调度员和机场经理提供自然语言问答，例如‘昨天成都双流 T2 延误超 30 分钟的前 3 个根本原因是什么？’并附证据截图。

号哥说：这不是 RAG 查文档，而是让 Agent 直接‘看懂’航空业专有数据流，并在分钟级内给出带归因的行动建议。其关键在于 AgentCore 对 AWS 内部数据源（如 S3、Redshift）的原生集成能力，省去了 ETL 和 schema 映射环节——制造业、物流业可直接复用此模式做设备故障根因分析。

落地提点：航空业已用上，你的工厂 MES 或 WMS 数据，其实也早该喂给 Agent 做实时诊断了，别卡在‘等数据治理完’。

AWS Machine Learning Blog · 阅读原文

3. AWS 发布 Agent Evaluation Metric（AEM）：专治多轮对话中‘一步错、步步错’的评估盲区

传统单轮评估无法发现 Agent 在 multi-turn 对话中的累积性错误，例如第 2 轮误解用户意图导致后续全错；

AEM 是首个可分解的 turn-level 评估指标，能定位具体哪一轮出错、错误类型（事实性/逻辑性/工具调用）；

已在 Bedrock AgentCore 上实测，帮助客户将 Agent 任务成功率从 68% 提升至 89%，主要靠修复早期意图识别偏差。

号哥说：这是 Agent 落地最关键的‘质量仪表盘’：没有 AEM，企业只能靠人工抽检，效率低且难归因；有了它，就能像监控服务器 CPU 一样监控 Agent 的每一轮决策健康度。尤其适合金融、法律等容错率极低的行业做上线前压测。

落地提点：上线前不跑 AEM 评估的 Agent，等于没做压力测试——别让老板第一次用就遇到‘它明明听懂了却办错事’的尴尬。

AWS Machine Learning Blog · 阅读原文

4. LandingAI 发布 Agentic Document Extraction Gen2：用 DPT-3 Pro/Verity 实现像素级文档理解

Agentic Document Extraction Gen2 彻底抛弃传统‘按页切块’逻辑，改为构建文档-页面-区块三级树状结构；

DPT-3 Pro 支持行级定位，DPT-3 Verity 支持字级定位+置信度打分，适用于发票、合同、医疗报告等高精度场景；

计费模式从‘按页’改为‘按输出字符’，客户平均成本下降 40%，同时提取准确率提升至 99.2%（在 EU e-Invoice 标准测试集）。

号哥说：文档智能正从‘OCR+关键词匹配’进入‘Agent 式理解’阶段：Gen2 不是静态提取，而是让模型像人一样逐层解析文档语义结构，并主动判断哪些字段需要交叉验证（如金额与税码是否匹配）。这对财务共享中心、保险理赔等强规则场景是降本提效的关键杠杆。

落地提点：还在用 OCR+正则？你的发票审核流程，已经落后于 LandingAI 新版 Agent 两个代际了。

MarkTechPost · 阅读原文

5. AWS 推出模型无关 PII 检测方案：用 LLM Prompt 即可适配任意新敏感实体类型

该方案不依赖预训练模型或固定规则库，仅通过自然语言 prompt 描述待检测实体（如‘欧盟 GDPR 定义的生物识别数据’）；

在 5 个公开 PII 数据集上 F1 达 92.7%，超越 spaCy、Presidio 等专用工具；

可直接部署在 Amazon Bedrock 上任意基础模型（Claude、Llama、Cohere）之上，无需微调或重训练。

号哥说：这是企业数据安全合规落地的重大简化：过去每新增一类敏感数据（如‘中国个保法下的未成年人信息’），IT 部门需数周开发新规则或重训模型；现在法务写一段中文描述，开发 1 小时内即可上线检测。特别适合跨国企业应对多国隐私法规快速迭代。

落地提点：别再堆 PII 工具了，用这个方案，让法务同事自己写 prompt 就能管住新出的监管要求。

AWS Machine Learning Blog · 阅读原文

AI 工具 · 实测上新

1. Redis LangCache 正式发布：语义缓存服务，LLM API 成本直降 90%

Redis LangCache 是首个完全托管的语义缓存服务，自动将相似语义问题映射到同一缓存键；

支持主流 LLM API（OpenAI、Anthropic、Cohere），无需修改应用代码，仅需替换 endpoint；

在客服场景实测：相同问题不同问法（如‘怎么退款’‘我要退钱’‘订单取消后钱啥时候到’）命中同一缓存，P95 延迟从 2.1s 降至 140ms。

号哥说：它解决的是 LLM 应用最痛的成本黑洞——大量重复意图被当成全新请求计费。与传统 Redis 缓存不同，LangCache 能理解‘换种说法但意思一样’，且自动处理 embedding 向量更新、缓存淘汰策略，连向量数据库都省了。中小团队上线成本近乎为零。

落地提点：只要你的 LLM 应用有高频重复问题（客服/HR/IT 支持），装 LangCache 就是 ROI 最高的第一步，比换模型还快见效。

MarkTechPost · 阅读原文

2. Amazon Quick Automate 上线端到端 RFI 问卷工作流：S3 文档解析 → NL 提取 → CSV 输出，开发耗时从天级降至小时级

Quick Automate 可直接读取 S3 中多标签 Excel RFI 问卷，用自然语言指令提取‘技术参数’‘交付周期’‘质保条款’等字段；

支持对话式调试：用户反馈‘漏了第 3 页的验收标准’，系统自动修正 prompt 并重跑；

最终生成结构化 CSV 写回 S3，供采购系统自动比价，全流程无需写一行代码。

号哥说：RFI（信息征询）是采购/招标中最耗人力的环节之一，传统方式需人工复制粘贴 10+ 供应商文档。Quick Automate 将其变成‘上传→提问→下载’三步操作，且保留完整审计链（谁改了哪条 prompt、哪次运行结果）。对国企、制造业采购部门极具实操价值。

落地提点：采购总监别再催 IT 开发 RFI 工具了，今天就用 Quick Automate 把上季度 20 份 RFI 补跑一遍，效果立见。

AWS Machine Learning Blog · 阅读原文

3. DeepSeek-V4.1-Flash 正式发布：552B 参数 multimodal 模型，KV 缓存内存降至 1/4

V4.1-Flash 是 DeepSeek 最新 multimodal MoE 模型，含 552B 主干参数 + 196B Engram 参数，支持 1M token 上下文；

采用 FP4 KV cache 与 cross-layer attention reuse 技术，显存占用仅为前代 V4 的 25%；

在 DeepSWE 编程基准上得分超越 GPT-Astra，推理吞吐达 128 tokens/sec（A100 80GB）。

号哥说：它专为 Agent 场景优化：长上下文+低显存=更长的自主思考链（chain-of-thought）和更低的硬件门槛。中小团队用单张 A100 就能跑起支持复杂工具调用的 Agent，不再被显存墙卡死。但注意：多模态能力目前仅限图文，暂不支持视频帧。

落地提点：想本地部署 Agent 又卡在显存？V4.1-Flash 是当前性价比最高的选择，尤其适合需要百万 token 上下文的法律/金融文档 Agent。

The Decoder · 阅读原文

4. Amazon SageMaker HyperPod 新增模型缓存：冷启动从数十分钟压缩至秒级

HyperPod 现支持模型权重与容器镜像预加载至节点本地 NVMe 存储，避免每次推理都网络拉取；

实测 Llama 3.1 70B 模型冷启动时间从 22 分钟降至 3.7 秒，集群资源利用率提升 35%；

配置只需在 SageMaker SDK 中启用 cache_policy 参数，无需修改模型代码或容器。

号哥说：这是大模型推理服务化的关键一跃：过去企业不敢用大模型做实时服务，主因是冷启动不可控。现在 HyperPod 让它像普通微服务一样稳定启停，特别适合需要突发扩容的 Agent 场景（如电商大促期间客服 Agent 浪涌）。

落地提点：如果你的 Agent 经常‘第一句话慢得像在思考人生’，HyperPod 模型缓存就是最快的止痛药，改一行配置就能上线。

AWS Machine Learning Blog · 阅读原文

5. Amazon SageMaker Inference 推出前缀感知路由：KV 缓存命中率从 25% 提升至 80%+

新功能 prefix-aware routing 将相同 prompt 前缀的请求路由至同一实例，保持 KV cache 温热；

在 Llama 3.1 70B 实测中，P50 首 token 延迟降低 77%，P95 延迟降低 63%；

对 Agent 场景尤为关键——多轮对话中用户反复追问同一主题（如‘继续分析刚才的财报’），缓存复用率大幅提升。

号哥说：它直击 Agent 性能瓶颈：多轮对话中，每次用户说‘继续’，传统路由会让请求随机落到不同实例，导致每次都重算 KV cache。prefix-aware routing 让 Agent 像人类一样‘记住上下文’，是提升用户体验最务实的技术升级。

落地提点：Agent 响应慢？先开 prefix-aware routing，比换 GPU 更快见效——尤其适合对话式客服、投顾等强交互场景。

AWS Machine Learning Blog · 阅读原文

行业 AI 落地

1. Pocket FM：印度音频平台用 AI 生产 93% 内容，制作成本降为原来的 1/80

Pocket FM 利用自研 AI 工具链生成 99% 新上线音频内容（广播剧、有声书），覆盖 12 种印度方言；

单集制作成本从人工 800 美元降至 AI 10 美元，内容上线周期从 2 周压缩至 4 小时；

用户收听时长增长 3.2 倍，付费转化率提升 27%，验证 AI 内容具备真实商业价值。

号哥说：这不是玩具 Demo，而是已跑通的盈利模型：AI 不是替代编剧，而是将创意人员从‘录音-剪辑-混音’中解放，专注故事架构与角色设计。对国内有声书、知识付费、本地生活音频平台而言，其工具链组合（TTS+剧情生成+方言适配）可直接借鉴。

落地提点：你的知识付费课程还在找配音？Pocket FM 的路径证明：AI 音频不是降质，而是用 1/80 成本打开 10 倍用户规模。

TechCrunch AI · 阅读原文

2. NVIDIA 与 Palantir 合作打造 AI 供应链中枢：先接管 NVIDIA 自身百万级零部件调度

双方联合开发 AI 供应链平台，融合 Palantir Foundry 数据操作系统与 NVIDIA 的 BioNeMo、Omniverse 数字孪生能力；

首期落地 NVIDIA 全球供应链，实时追踪 120 万种零部件库存、物流、产能约束，并自动触发补货/切换供应商决策；

试点 3 个月后，缺货预警准确率提升至 94%，紧急空运成本下降 31%。

号哥说：这是工业级 AI Agent 的标杆案例：不是单点优化，而是将采购、生产、物流、仓储全链路数据打通，让 Agent 基于实时约束自主决策。对中国制造企业而言，其价值不在‘炫技’，而在解决‘芯片断供’‘海运延误’等真实生存问题。

落地提点：别再说‘我们供应链太复杂 AI 搞不定’——连 NVIDIA 百万零件都能管，你产线的 BOM 表和 ERP 数据，就是 Agent 最该吃的头道菜。

The Decoder · 阅读原文

3. Slack 推出 Slackforce Surfaces：聊天框内 AI 生成交互式图表与微站

新功能允许用户在 Slack 中对 Slackbot 描述需求（如‘展示 Q3 各区域销售额对比’），AI 自动从 Google Sheets/Salesforce 拉取数据并生成可筛选图表；

支持一键发布为微站（microsite），嵌入网页或邮件，权限可控；

实测销售团队用该功能将周报制作时间从 5 小时缩短至 12 分钟，且数据实时联动源系统。

号哥说：这标志着企业协作工具正式进入‘AI 原生’阶段：数据不再需要导出-加工-导入，而是在协作流中实时生成可操作洞察。对市场、销售、运营等强数据驱动岗位，它让‘会提问’成为新生产力核心。

落地提点：你的日报还在 copy-paste Excel？Slackforce Surfaces 证明：最好的 BI 工具，已经藏在你每天打开最多的聊天框里。

The Verge AI · 阅读原文

4. Universal Music 与 ElevenLabs 推出 AI 音乐平台：授权曲库驱动安全 Remix 与创作

平台允许用户基于 UMG 数百万首授权曲目进行 AI Remix、风格迁移、人声替换，所有输出受版权水印与使用许可管控；

ElevenLabs 提供语音克隆与音乐生成模型，UMG 提供曲库+版权清算能力，规避法律风险；

首批面向创作者开放，未来将嵌入 Spotify、Apple Music 等流媒体平台。

号哥说：这是内容产业 AI 化的破冰之举：既释放创作者潜力，又守住版权底线。对国内 MCN、音乐平台、教育机构而言，其‘授权数据+可控生成+合规分发’三角模型，比纯开源模型更具落地参考价值。

落地提点：别再纠结‘AI 会不会搞垮音乐人’——UMG 的做法告诉你：把版权当基建，AI 才是放大创意的新喇叭。

The Verge AI · 阅读原文

5. Meta Muse 在 WhatsApp 上实现全链路商务代理：比价、下单、议价、售后全托管

Muse 可接入用户 WhatsApp 账户，在聊天中自动完成商品比价、下单支付、价格协商（如向商家发送‘同款能否 8 折？’）、物流追踪、退货申请；

已支持 17 国电商网站及本地零售商，议价成功率超 63%（基于 200 万次真实对话统计）；

用户无需跳转 App，全程在 WhatsApp 内完成，会话数据端到端加密，不上传 Meta 服务器。

号哥说：这是消费领域 Agent 落地最成熟的案例：它不追求‘全能’，而是死磕购物决策链中最耗神的 3 个环节——比价、砍价、售后。对跨境电商、本地生活服务平台而言，Muse 的 WhatsApp 集成路径（轻安装、高触达、强信任）值得直接抄作业。

落地提点：你的小程序还在弹窗求授权？Muse 证明：用户最愿意交出购物权的地方，是那个天天聊家常的 WhatsApp 对话框。

The Decoder · 阅读原文

———— 关于我们 ————

「号哥聊AI」专注 AI 落地：帮企业把重复、跨系统的流程做成 AI Agent（采购、客服、单据、报表……）。

· 想让公司某个流程自动化 —— 在本号【发消息回复「自动化」】，我们帮你看看能怎么落地；

· 想学 Agent 开发 / AI 工具 —— 关注本号，每天更新。

本文为 国外最新的AI资讯摘要与点评，非原文转载；版权归原作者所有，点击链接可读原文。

📚 往期回顾

Similar Posts