OpenAI 与编码代理公司 Amp 合作，将代理能力从写代码扩展到产品规划、设计、营销、任务协调和三维建模等更长的工作链路，同时推出 Puck 用于管理多个并行代理。尽管模型（如 GPT-6 Astra）能完成更多环节，但可靠性、权限、成本与验收责任仍需人类把关。
OpenAI 10月14日发布的一篇创业公司案例显示，AI编码代理公司 Amp 正在把代理的工作范围从编写代码扩展到产品规划、页面设计、营销内容、任务协调，甚至家庭项目。Amp表示，其用户目前使用的模型大部分来自 OpenAI；双方的合作重点，也从“让模型写出更多代码”转向“让代理承担更长、更完整的工作链路”。
OpenAI的官方介绍将 Amp 描述为一个帮助开发者把想法变成可运行软件的前沿代理。Amp 首席执行官 Quinn Slack 说，模型能力每一次提升，都可能让代理接手更多工作：从决定做什么，到写代码、设计页面，再到产品上线后的推广。
Amp的重点不再只是编码
Amp本身仍然是编码代理和开发环境。根据其产品文档，用户可以在本地机器上使用 Amp，也可以在名为 “orb” 的远程环境中运行代理。每个 orb 都会配备项目代码、工具和插件；用户关闭电脑后，任务仍可继续运行，并可以从网页、终端、Mac、iPhone或iPad回到同一条线程。
这种设计说明，Amp想解决的已经不只是“如何生成一段代码”。它试图把一个产品开发任务拆成多个持续推进的环节：理解需求、规划方案、实现功能、检查结果，以及在完成后继续处理文档、设计和发布工作。
OpenAI称，Amp会根据不同任务选择和推荐模型，OpenAI模型目前占其使用令牌的大部分。Amp自己的团队只有约20人，但公司表示，团队会让代理参与改善新用户体验、编写文档、设计页面，以及帮助更多人通过搜索等渠道发现产品。
这类用法仍然属于 Amp 和 OpenAI 的公司自述，不能直接等同于独立评测结果。不过，它反映了AI代理产品竞争中的一个明显变化：竞争焦点正从“模型能不能写代码”，转向“用户是否愿意把一个目标交给代理，让它连续完成更多中间步骤”。
GPT-6 Astra被用于写作、设计和建模
OpenAI在案例中重点介绍了 GPT-6 Astra。Amp表示，团队使用这一模型制作文档和设计页面，因为这些工作不仅要求内容正确，还要符合自身较为严格的写作和视觉风格。
Slack还举了一个个人实验作为例子：他把房屋设计图交给 GPT-6 Astra，让模型在 Blender 中制作三维模型，之后再和孩子一起把模型改造成游戏。这个案例并不意味着所有用户都能稳定复现同样的结果，但它说明代理的工作对象已经从源代码扩展到三维场景、交互设计和内容创作。
OpenAI在GPT-6 Astra的产品说明中称，该模型面向计算机操作、浏览、软件工程和专业工作等场景，能够处理多步骤任务，并生成文档、表格和演示文稿。对于 Amp 来说，这类能力的价值在于：编码代理可以参与产品开发周边的工作，而不必在每一个环节都等待人类重新组织需求。
但模型可以生成网页、文档或三维模型，并不意味着它已经能够独立承担产品责任。设计是否符合品牌要求、内容是否适合目标用户、软件是否真的可维护，仍然需要人类判断。代理扩展的是执行范围，不会自动消除决策和验收成本。
Puck把多个代理连接到一起
Amp近期还推出了 Puck，一个用于启动和管理其他代理的对话式助手。用户可以要求 Puck 调查软件缺陷、协调多个代理、寻找过去的技术讨论，或者汇总当前线程的进展。
在Talk to Puck的产品说明中，Amp表示，用户现在可以通过实时语音与 Puck 交流。语音部分由 gpt-realtime-2.1 驱动，实际执行任务的 Puck 代理则由 GPT-5.6 Sol 驱动。用户可以询问哪些线程需要处理，也可以让 Puck 启动代理修复持续集成故障，并在任务推进后汇报原因和进展。
这使 Puck更像一个代理协调层，而不是另一个单纯回答问题的聊天机器人。用户面对的不是一个代理，而是一组可以被分派、并行运行和跟踪的代理。随着任务数量增加，如何判断哪个代理正在做什么、哪些结果已经验证、哪些动作仍然只是建议，将成为这类系统能否进入真实工作场景的关键。
这一转变也与企业用户正在面对的问题相呼应。OpenAI此前在 ChatGPT Work 中尝试把AI从问答工具推向持续执行任务的工作代理；相关报道曾指出，这类产品的核心变化不是界面，而是任务能否跨越应用、文件和浏览器持续推进。
更快的模型，可能改变代理的使用方式
Amp还在测试使用 GPT-6 Astra 的 Ultrafast 模式。Slack认为，速度提升可能改变用户安排工作的方式：当代理响应较慢时，用户往往会同时开启多个任务；如果代理更快，用户可能减少并行任务，转而给每个代理更多时间检查自己的结果。
OpenAI介绍称，Amp的部分用户每周消耗的令牌量可以达到100亿。为降低用户对用量的敏感度，Amp推出了 Sign in with ChatGPT，让用户连接 ChatGPT 订阅，并在 Amp 中使用更多令牌和 OpenAI 模型。对代理产品来说，这不只是支付方式的变化，也可能影响用户愿意把多长的任务交给代理。
不过，订阅连接并不等于无限制的自动化。代理每多执行一步，就可能产生新的成本、权限和错误传播问题。尤其是在多个代理并行工作时，用户需要知道它们访问了哪些数据、调用了哪些外部工具，以及哪些结果经过了测试或人工确认。
从编码代理到工作代理仍有距离
Amp的案例表明，AI编码工具正在尝试覆盖产品开发的更多前后环节。规划、写作、设计、建模、语音协调和任务分派，都可能被纳入同一个代理系统。对于小团队而言，这种模式有机会减少工具切换，让有限的人力集中在目标设定和最终判断上。
但“超越代码”并不意味着软件开发本身不再重要。相反，代理承担的任务越多，验证、权限管理、成本控制和责任归属就越重要。AIFlux此前在一篇关于企业工作区管理的报道中讨论过类似问题：当自然语言能够触发读取、写入或管理动作时，企业必须分别回答谁可以提出请求、系统能够访问什么，以及哪些操作需要审批。
Amp与OpenAI目前给出的方向，是让代理拥有更长的“工作绳索”，但保留用户对目标、模型和结果的控制。这个方向能否真正改变软件团队的工作方式，最终取决于代理能否在更长的任务中保持可靠、可解释，并且让人类清楚知道它做了什么、没有做什么。