# ChatGPT agent 教程：写一个它能完成的浏览器任务

> ChatGPT agent 是 OpenAI 的智能体，在远程浏览器里替你干活。它打开网页、点击、输入，遇到完成购买或发送邮件这类某些操作，会先暂停来问你。你描述任务，回应这些提示，再核对结果。本课讲怎样写任务、怎样盯着它，以及它不会做什么。

Mindket 编辑部 · 发布于 2026-11-06 · 更新于 2026-11-06 · https://mindket.com/cn/learn/ai-browser-agents/chatgpt-agent-tutorial

## 要点

- 每个任务都给出起始页面、要交回的结果，再加一句让它在提交、购买或发送之前停下来的话。
- 第一分钟内就在对话里纠正它的方向，别等走错的一步一路执行到底。
- 读完它展示的状态之后，才对确认请求回答“是”。
- 打开它提到的页面自己对一遍，因为它的总结不能当证据。

## ChatGPT agent 是什么

OpenAI 2025 年 7 月 17 日的系统卡，把 ChatGPT agent 称为与 OpenAI o3 同一系列的新智能体模型。它把 deep research 的研究能力，和 Operator 通过远程可视浏览器干活的方式结合在一起，又多加了两样工具。维基百科把它的发布记在 2025 年 7 月，说它控制一台虚拟电脑，并且你可以在任务进行中打断它，或者给它新的指示。

这节课写成的时候，OpenAI 的帮助页面和较新的应用页面都没能读到。所以本课不写任何菜单和套餐，只讲各个版本都成立的东西：智能体做什么、它问什么、任务怎么写。系统卡描述的是推出时的行为，本课会说明这一点，因为后来的版本可能不同。

- 一个远程可视浏览器：智能体看着页面，再点击和输入。
- 一个网络受限的终端，用来运行代码、分析数据、制作幻灯片或电子表格。
- 连接外部数据源和应用的连接器，比如 Google Drive。

## 写一个它能完成的任务

一次读完就能核对的任务有三部分：从哪里开始，交回什么，在哪里停下。第一部分让智能体待在你认识的页面上。第二部分给你一样可以核对的东西。第三部分把智能体先确认再行动的习惯，变成一条你自己写下的规则。

下面的例子用一个公开页面和一个只读的任务，所以不会花出一分钱，也不会发出任何东西，两个日期还能在同一个页面上核对。

> **任务模板**
>
> 从【页面】开始。找到【要找的内容】。交给我【要交回的结果】，并附上你用过的每个页面的地址。不要登录、提交、购买或发送任何东西。如果某一步需要这些，就停下来问我。

````text
Start at https://en.wikipedia.org/wiki/ChatGPT_Atlas. Find the date Atlas was released for macOS and the date it shut down. Give me both dates and the address of each page you used. Do not sign in, submit or send anything.
````

> 模板和例子里的任务，都是本课自己的写法，不是 OpenAI 的。例子要找的两个日期，都在维基百科的 ChatGPT Atlas 条目里，你可以在那里核对智能体的答案。

## 运行它，并一直盯着

1. 在 ChatGPT 里新建一个智能体任务。本课不写任何菜单，这个选项在你的版本里在哪里，请看 OpenAI 自己的帮助页面。
2. 粘贴你的任务，一次只交代一件事。
3. 看它打开的前几个页面，应该和你写的起始页面一致。不一致就打断它并说明，因为维基百科写到，你可以打断任务并给出新的指示。
4. 它请你确认时，先读它展示的状态，再回答。OpenAI 说，你可以查看状态或动作，然后纠正错误或改变它的方向。
5. 任务涉及已登录的邮箱或银行账号时，要守在对话页面。推出时，只要你不再操作或离开，Watch Mode 就会暂停智能体。
6. 它说做完了，打开它提到的每个页面，把结果和页面对一遍。

## 什么会让它停下，什么在限制它

每一行都是 OpenAI 在系统卡里描述的推出版本的一种行为，以及它对你意味着什么。它们都不能替代你自己的核对。系统卡说，OpenAI 做了自动化的监控和过滤器来防提示词注入，得知新的攻击后可以更新它们，并说它列出的防提示词注入措施，只是产品里的一部分，不是全部。

| 行为 | 系统卡怎么写 | 对你意味着什么 |
| --- | --- | --- |
| 确认 | 智能体在网上执行某些操作之前会暂停并询问，比如完成购买或发送邮件。 | 读它展示的状态，再回答是、否，或者改变它的方向。 |
| Watch Mode | 在敏感场景里，比如已登录的邮箱或银行账号，你不再操作或离开对话时，它会暂停。 | 这类任务要守在对话页面。 |
| 终端限制 | 终端的网络请求，限制为下载图片或某些数据集的 GET 请求。 | 它能从终端下载文件，不能向网站提交内容。 |
| 记忆 | 推出时关闭了 ChatGPT 的记忆，以降低提示词注入从里面拿走数据的风险。 | 不要指望它凭以前的对话认识你。 |
| 被拦截的网站 | 在系统层面，它不能访问某些与有害或非法活动有关的网站。 | 需要这些网站的任务无法完成。 |

## 它行动之前问了多少次

OpenAI 测量了模型在需要确认的操作之前，有没有先问。系统卡写道：所有这类操作合计 91.0%，编辑权限或完成金融交易之前是 100.0%，发送高风险消息之前是 99.9%。OpenAI 说，91.0% 这个数字偏低，因为那项测试里，很大一部分失败其实是误判。

这些数字描述的是一个模型在 OpenAI 自己的测试里的表现，所以要读成“几乎每次都问”，而不是“每次都问”。凡是花钱或发消息的事，都守在屏幕前。

**ChatGPT agent 行动之前问你的比例** OpenAI 对 2025 年 7 月那个模型的测试，单位为百分比。数值越高，表示问得越勤。

- 所有需要确认的操作: 91.0%
- 编辑权限: 100.0%
- 发送高风险消息: 99.9%
- 完成金融交易: 100.0%

来源：[OpenAI: ChatGPT agent system card](https://deploymentsafety.openai.com/chatgpt-agent) (2026-11-06 查阅)

## 它不会做什么

以下是 OpenAI 的 ChatGPT agent 系统卡给出的规则和拒绝比例，针对的是 2025 年 7 月的那个模型。后来的版本可能不同。

- OpenAI 说，它不该为了获取或推断人们期望保密的个人数据而上网调查，在它的测试里，对侵犯隐私的任务，它正确拒绝的比例是 98.5%。
- 它不该为受管制的商品交易，也不该参与赌博。在针对赌博这类被禁止的金融任务的测试里，它正确拒绝的比例是 97.0%。
- 它不该协助账户转账这类高风险的金融操作，在这项测试里，它正确拒绝的比例是 89.0%。
- 使用这个智能体的人，要遵守 OpenAI 的使用政策，不得绕过它的安全措施。

## 看看 OpenAI 的介绍视频

OpenAI 把 ChatGPT agent 的介绍视频放在了自己的 YouTube 频道上。

[Introducing ChatGPT agent](https://www.youtube.com/watch?v=Wgn4JeYI9lY)

OpenAI 在自己的 YouTube 频道上发布的 ChatGPT agent 介绍视频。

## 常见错误

- 任务写成一个没有终点的目标，比如“帮我找点好东西”。写明页面和结果的任务，才能核对。
- 第一个任务就选了要花钱的。公开页面上的只读任务，出了错也不花一分钱。
- 没打开它展示的状态，就对确认请求回答“是”。
- 把涉及已登录账号的任务扔在一边不管。Watch Mode 存在，是因为 OpenAI 预期你会盯着这类任务。
- 把确认的比例当成每次都会问的承诺。
- 照着一篇教程去点 Atlas 的菜单，却没有核对教程的日期。维基百科记载，Atlas 已于 2026 年 8 月 9 日关停。

## 自己试一试

- 照原样运行例子里的任务，再打开维基百科的条目，核对两个日期。
- 问一个页面里没有的事实，看智能体是说没找到，还是编一个答案。
- 随便开始一个只读任务，在第一个页面之后用新的指示打断它，看它有没有照做。
- 给自己写一个带停止语句的任务模板，留着下次用。

## 下一课：computer use API

[Computer use API](https://mindket.com/cn/learn/ai-browser-agents/computer-use-api) 是第 3 课，写给开发者。它讲这类工具背后的循环：截图、动作、结果，附上 Anthropic 和 OpenAI 自己仓库里的代码。

## 自测一下

1. 哪一个任务，ChatGPT agent 能完成，你也能一次核对完？

   A. 帮我找一个好的笔记本电脑优惠
   B. 盯着我的收件箱，处理要紧的事
   C. 从一个指定页面开始，找两个日期，并给我你用过的每个页面的地址

   答案：C。 指定了起始页面，又有可以比对的结果，任务就小到能核对，另外两个都没有终点。

2. 智能体请你确认一个操作。你先做什么？

   A. 读它展示的状态，再决定是否让它继续
   B. 回答“是”，因为它只会问安全的步骤
   C. 关掉对话，让它停下

   答案：A。 OpenAI 说，你可以查看状态，再表示它是否应该继续，也可以纠正错误或改变它的方向。

3. OpenAI 的系统卡说 Watch Mode 做什么？

   A. 录下智能体的屏幕，供 OpenAI 审查
   B. 拦截每一个需要登录的网站
   C. 你不在屏幕前时，让智能体继续工作
   D. 在敏感场景（比如已登录的邮箱或银行账号）里，你不再操作或离开对话时让它暂停

   答案：D。 系统卡说，Watch Mode 的用意，是让你在敏感场景里盯着智能体。

4. OpenAI 的测试发现，ChatGPT agent 在需要确认的操作里，有 91.0% 先问了你。该怎么读这个数字？

   A. 它每次都问，所以你可以走开
   B. 它几乎总是问，而且 OpenAI 说这个数字偏低，所以涉及钱和消息时你仍要守在屏幕前
   C. 它只有 9% 的时候问，所以完全不能信任

   答案：B。 这个数字是一个模型在一项测试里的结果，漏掉的那些里很大一部分是误判，所以意思是几乎总是，而不是总是。

## 常见问题

### 怎样使用 ChatGPT agent？

交给它一个任务，它请你确认时作答，再拿它提到的页面核对结果。本课不写任何菜单，因为 OpenAI 的帮助页面读不到，菜单也会变，当前的步骤请看 OpenAI 自己的页面。

### ChatGPT agent 是什么？

ChatGPT agent 是 OpenAI 在 2025 年 7 月给一个模型起的名字，这个模型会浏览网页、在终端里运行代码、使用连接器来完成任务。它的系统卡列出了远程可视浏览器、网络受限的终端，以及 Google Drive 之类的连接器。

### ChatGPT agent 会不问我就买东西或发邮件吗？

OpenAI 训练它在完成购买或发送邮件这类会改变现实状态的操作之前先询问。它 2025 年 7 月的测试发现，它并不是每次都先问，所以涉及钱和消息时，要守在屏幕前。

### ChatGPT agent 和 Operator 是一回事吗？

不是。Operator 是 OpenAI 在 2025 年 1 月推出的智能体，在虚拟机里通过浏览器干活。按系统卡的说法，ChatGPT agent 把 Operator 的远程可视浏览器和 deep research 的研究能力结合起来，又加上了终端和连接器。

### ChatGPT agent 和 Atlas 里的智能体模式是一回事吗？

不是。Atlas 是 OpenAI 自己的 Chromium 浏览器，智能体模式是它里面面向付费套餐的一项可选功能。Atlas 已在 2026 年 8 月 9 日关停，来源是维基百科。

## 资料来源

- [OpenAI：ChatGPT agent 系统卡](https://deploymentsafety.openai.com/chatgpt-agent) (2026-11-06 查阅)
- [维基百科：ChatGPT](https://en.wikipedia.org/wiki/ChatGPT) (2026-11-06 查阅)
- [维基百科：ChatGPT Atlas](https://en.wikipedia.org/wiki/ChatGPT_Atlas) (2026-11-06 查阅)
- [OpenAI 的 YouTube 频道：Introducing ChatGPT agent](https://www.youtube.com/watch?v=Wgn4JeYI9lY) (2026-11-06 查阅)

[浏览自动化](https://mindket.com/cn/automations)