AI新闻正在翻开新的一页：OpenAI被曝在Codex命令行工具中测试“持久模式”，允许AI智能体不再机械地等待用户下达任务，而是主动规划并持续工作。这看似只是一次功能迭代，实际可能是人机交互范式从“你问我答”走向“你定目标我干活”的关键转折。以下，我们将从技术机制、商业动因和潜在风险三个维度展开分析。
从“应答机器”到“主动员工”：范式革命的起点
过去几年，无论ChatGPT还是其他大模型产品，其核心交互模式始终是“用户发起指令，模型给出回应”。即便模型能写出漂亮的文案、生成可运行的代码、推理复杂的数学题，它的本质仍然是一台高级的应答机器——你不输入，它不输出。
这种被动性在早期没有造成明显困扰，但随着最新科技的发展，大模型的能力边界不断外扩，用户不可能随时在线引导模型完成每一步操作。如果AI只能在对话窗口里施展才华，它的价值就被大大锁死了。
OpenAI正在测试的“持久模式”，恰恰瞄准了这个痛点。根据Codex代码库的近期改动，当用户启用持久模式后，Codex不会因为一次回答的结束而“收工”。它会自动把当前任务延伸开去，主动寻找下一个可做的事情，甚至在跨会话的情境下持续跟进。
OpenAI核心产品负责人蒂博·索蒂奥用“自下而上的文化”来解释这种试验：“很多想法会在开源代码库里长出来，那里有点像我们共同的试验场。”这句话听起来轻描淡写，但背后其实是一场主动型AI的产品革命。
试想一下：现在的AI像一名实习生，你交代一步它做一步；持久模式的AI更像一位项目经理，你扔给它一个模糊目标，它会自己拆解任务、安排优先级，并在合适的节点向你汇报。这种AI Agent技术的跃迁，才是“智能体”真正开始脱离“聊天机器人”标签的起点。
对普通用户而言，这种变化最直接的感知是：AI不再需要被“喂”指令，它开始自己找活干了。
技术解剖：Codex持久模式如何改变“AI工作制”？
要理解持久模式的意义，得先看它在技术上如何实现。据外媒披露，Codex命令行版本的代码中新增了一个“推理强度”菜单，用户可以在模型回答问题前决定投入多少算力、Token和时间。持久模式被列为资源消耗最高的设置之一。
启用后，Codex会进入一种“持续工作”状态，直到用户手动将其切换为休眠。与之形成对比的是，目前其他模式即使任务没有完成，通常也会在几分钟或几小时后自动停止运行。换句话说，持久模式为AI安装了一台“永动机”——当然，是有代价的。
这里的代价首先是算力。持续工作意味着模型要不停地推理、规划、调用工具，Token消耗速度飞快。对于普通用户来说，这可能带来更高的使用成本；对于OpenAI来说，这也意味着更大的基础设施压力。难怪该功能目前仍处于测试阶段，尚未大范围开放。
从技术架构上看，持久模式并不是一个简单的开关。它需要模型具备“任务持久化”的能力：把当前状态、历史上下文、用户偏好和长期目标保存下来，并在后续会话中无缝衔接。这对底层模型的长上下文处理和记忆管理提出了更高要求，也与大模型训练中的最新进展密不可分。
另一个值得注意的细节是，Codex命令行工具的代码改动默认公开，OpenAI的新功能通常先在这里“试水”，随后才扩展到Codex桌面应用和ChatGPT Work等更面向大众的产品。这意味着，持久模式的技术验证一旦成熟，很快会渗透到整个产品矩阵。
对开发者而言，与其自己到处找效率工具，不如直接使用Codex这类内置智能体的命令行产品。当然，如果你希望探索更多自动化和提效的可能性，也可以参考AI工具导航中的各种资源，它们能从不同维度帮助你理解AI技术的最新应用方式。
“主动性”的底层逻辑：智能体如何安排自己的“KPI”？
持久模式最令人兴奋的，是它赋予AI一种名为“主动性”的能力。根据代码中的系统提示，智能体回答完用户的问题后，不能把任务视为结束，而是需要主动为自己安排后续工作。它甚至可以跨会话继续执行这些任务，并结合过去与用户的互动以及“对用户的了解”，自行判断下一步该做什么。
这实际上是把“用户意图”从单次提问扩展为长期目标。传统AI只解决“一次性问题”，比如“帮我写一封邮件”；而主动型AI要解决的是“持续性目标”，比如“帮我维护好客户关系”。为了完成这个目标，它会自动起草邮件、跟进回复、整理客户档案，甚至判断何时应该发送下一次问候。
系统还允许智能体在用户没有提出请求时主动发送消息，但提示要求“尽量少用”。这种克制很重要——如果AI每天推送一百条“我帮你做了什么事”的通知，用户很快就会发疯。主动性不是聒噪，而是恰如其分地出现。
当然，权力越大，约束越要清晰。OpenAI并没有让持久模式无限扩张权限。根据设计，持久模式不会扩大智能体原本拥有的操作权限，如果需要修改用户自身系统之外的内容，必须先得到用户批准。这相当于给AI戴上了“紧箍咒”：你可以自己找活干，但不能乱动别人的东西。
从AI技术演进的角度看，这套机制已经非常接近“数字员工”的雏形。如果你把AI看作一位远程实习生，你会给它明确的工作目标、访问权限和汇报机制；持久模式所做的，就是把这套管理逻辑代码化。
不过，“对用户的了解”也带来了新的问题——AI究竟了解我们多少？它通过什么数据建立用户画像？这些数据会被如何使用？答案目前并不完全清晰，这也是我们稍后要讨论的风险之一。
商业博弈：OpenAI为什么急于让AI“自主行动”？
站在商业角度，OpenAI对“主动性”的追求几乎是必然的。CEO萨姆·奥尔特曼多次公开表示，希望最终把ChatGPT变成一个能够主动行动、持续运行的AI智能体。这种表态背后，隐藏着一个关键的商业焦虑：模型使用率。
尽管ChatGPT已经拥有庞大的用户基础，但真正在使用最先进模型的用户只是其中一小部分。大多数用户只是偶尔问几个问题、生成几张图片，随后就离开产品。对于OpenAI来说，这远远不够——先进模型的训练和运营成本巨大，如果用户停留在浅层调用，商业回报就无法最大化。
持久模式直接改变了“使用时长”和“使用深度”。当AI开始自主工作时，它会在后台持续消耗Token、调用工具、生成结果，用户与产品的黏性也从一个“会话”延长到“一个项目周期”。这不仅提高了模型的使用率，也可能带来更高的订阅转化率。
与最新科技行业的其他玩家一样，OpenAI也在尝试寻找超级应用之外的“超级场景”。场景之一就是内容生产：如今用户已经习惯用AI画图生成设计稿，用AI诗词创作藏头诗，但这些动作都需要用户主动发起。持久模式则希望让AI成为“创作者”：它看你最近在写小说，就主动帮你生成一章插图；它发现你发朋友圈缺文案，便自动写好等你确认。
然而，OpenAI此前在主动型AI产品上的尝试并不算成功。去年推出的Pulse功能会在用户睡觉时生成晨间简报，今年夏初却被叫停。这说明“主动”不等于“有用”，如果AI生成的内容与用户当前需求不匹配，反而会变成打扰。
持久模式能否打破这个魔咒？关键要看“主动性”是否足够聪明——不是全自动，而是懂得在合适的时机主动。
挑战与隐忧：主动型AI的边界、成本与失控风险
任何变革都有代价，持久模式也不例外。首先摆在桌面上的是成本问题。如前所述，持久模式是当前资源消耗最高的设置之一，持续工作意味着巨额的算力和电力。如果OpenAI要对用户收费，价格门槛会很高；如果免费开放，又可能被滥用。如何在商业可持续与用户体验之间找到平衡，是个难题。
其次，主动性的“判断力”值得怀疑。AI虽然可以基于历史互动和用户画像来规划下一步，但它很难真正理解人类的复杂处境。例如，AI发现用户经常在深夜写代码，可能会自动启动调试工具继续优化项目，但用户此刻可能想在凌晨2点睡觉，根本不想被打扰。即便系统设置了“尽量少主动发消息”，它仍可能在错误的时间做错误的事。
权限边界也是一个隐患。虽然持久模式不会扩大AI的原始权限，但“用户批准”机制在实际操作中可能沦为形式——弹窗一出来，很多人看都不看就点“允许”。一旦AI获得了修改系统设置、发送邮件、删除文件等权限，错误操作的后果可能不可逆。
更深层次的风险在于“错误累计”。传统AI在单次回答中犯错，很快会被用户发现并纠正；而持久模式下的AI可能在很长一段时间内自主执行任务，如果它在初期做出了一个小错误判断，后续动作可能会沿着错误方向越走越远。等到用户发现时，也许已经产生了难以收拾的后果。
此外，跨会话记忆意味着AI要长期存储和分析用户数据，这会显著放大隐私泄露的潜在危害。AI技术越是“懂你”，它掌握的秘密就越多；一旦安全防护被攻破，数据泄露带来的影响将是灾难性的。
因此，持久模式的推出步伐必须格外谨慎。OpenAI发言人确认公司正在测试该功能，但近期没有上线计划——这既是对产品完善度负责，也是在为监管和公众预期争取时间。
未来图景：当AI从“工具”变成“同事”
尽管存在种种挑战，持久模式的想象空间仍然巨大。它代表了一种不可逆的趋势：AI正在从“执行指令的工具”演化为“拥有主动性的数字同事”。
想象一下不远的将来，早上一到公司，你的AI助理已经处理完昨夜积累的邮件，整理出重点回复，还在你常用的AI工具箱里生成了一份项目进度报告。它不是等你开口，而是主动发现问题、解决问题——就像一位尽职的合作伙伴。
对企业而言，这种变化尤其具有吸引力。当企业数字化转型进入深水区，管理者最头疼的不是没有数据，而是没有人去分析数据、没有时间把洞察转化为行动。主动型AI可以直接接管重复性、流程性的工作，让人类专注于创意和决策。比如Codex可以自动定位代码库中的缺陷，并提交修复补丁；市场团队可以用AI持续监测舆情，自动生成周报。
当然，这也会引发新的问题：AI算不算“员工”？它是否应该有工作时间和休息机制？如果AI持续高强度运行，是否会造成“内卷”？这些看似玩笑的问题，未来可能成为真正的劳动法议题。
而在个人生活层面，主动型AI带来的便利同样不可忽视。它会在你忙碌时帮你记账、订票、提醒你吃药，甚至在你情绪低落时主动说几句安慰的话。AI新闻越来越多地报道这样的场景，但真正落地还需要时间。
从更宏大的视角看，持久模式是AI从“快思考”走向“慢思考”的里程碑。以前的AI只能在对话的瞬间给出答案；未来的AI可以围绕一个目标持续思考、反复试错、不断优化。这种能力可能会让AI第一次真正成为“生产力”，而不仅仅是“小助手”。
当然，技术演进从来不是线性的。持久模式能否从试验走向主流，取决于OpenAI能否解决成本、安全和体验三大关。但只要方向正确，我们终将和AI建立一种全新的关系——它不再是屏幕里的聊天框，而是站在你身边的隐形同事。
AI新闻的下一章，或许比我们想象中来得更快。