📢 转载信息
原文链接：https://openai.com/index/openai-support-model
原文作者：OpenAI
本文属于我们分享内部如何利用 OpenAI 自身技术和 API 的系列文章。这些工具仅在 OpenAI 内部使用，在此分享旨在说明前沿 AI 如何支持我们团队的各种用例。我们还公开了内部工具的名称，以便更清晰地展示前沿 AI 如何帮助团队完成工作。
OpenAI 内部实践：每一次交互，都在优化支持服务
发布日期：2025年9月29日 | 分类：API
超越工单：构建全新的运营模式
传统意义上的支持服务，往往与工单排队和处理量挂钩。但在 OpenAI，这远远不够。我们拥有数亿用户，每年处理数百万次请求，且年增长率呈数倍增长。
许多组织面临规模化挑战。但很少有组织能同时应对规模化和超高速增长。在这样的背景下，我们又恰好在构建能改变这种局面的技术，这使我们获得了从根本上重新思考支持服务的独特机会。
“支持服务从来都不只是回复工单那么简单。关键在于用户是否获得了他们需要的东西，以及服务是否真正帮到了他们。”
支持服务本质上不是一个数量挑战，而是一个工程和运营设计挑战。因此，我们构建了一种截然不同的运营模式：一个让每一次交互都能改善下一次交互的系统。
连接交互系统
运营团队的目标远不止于使用聊天机器人来分流支持问题。他们的愿景是：将支持重塑为一个能够持续学习和改进的 AI 运营模型。
该模型围绕三个核心构建模块展开：
- 交互界面（Surfaces）：用户与支持系统进行交互的渠道。包括聊天、电子邮件和电话，但越来越多地嵌入到产品内部的帮助功能中。
- 知识库（Knowledge）：不仅是静态文档，而是从真实对话、政策和上下文信息中提取并持续改进的实时指导。
- 评估与分类器（Evals and classifiers）：由软件和人工协同构建的质量通用标准，以及用于衡量、改进和突出反馈的工具。
这些模块并非孤立存在，而是形成一个闭环。一个企业对话中发现的模式可以为开发人员的常见问题解答提供信息。为某一案例编写的评估（eval）可以加强模型对成千上万其他案例的处理能力。由于相同的基本组件驱动着所有界面——聊天、邮件、语音——改进可以自动跨渠道扩展。
支持专员：转型为系统思考者
支持专员的角色正在发生变化。我们的目标是将模型从主要关注处理事务性工作，转变为成为整体构建过程的一部分。他们被赋予了贡献于架构本身的能力，既能通过自下而上的变更直接贡献，也能通过日常工作的自然流动间接贡献。
专员们会将那些应该成为测试用例的互动标记出来，在发现新模式时主动提出并部署分类器，甚至可以在几天内原型化轻量级自动化来填补工作流程中的空白。培训也随之改变：它不仅关乎政策，更关乎评估互动、识别结构性差距并将改进反馈回去。
新的方法旨在确保支持专员既是响应者，也是构建者。
“座席不只是回复工单。他们为我们的知识库和政策提供信息。他们比我们更了解一线的声音。”
结果是，一个支撑组织更多体现其进化能力，而非仅仅是处理量的能力。组织的每个人不仅在为用户提供服务，还在积极改进为所有用户服务的机器。
从基础组件到生产应用
以这种方式构建支持，只有基于 OpenAI 的技术栈才成为可能：
- Agent SDK：默认提供步进式跟踪和可观测性。我们可以回放运行过程，检查工具调用，并即时调试根本原因。
- Responses API：为语调、准确性和政策遵守情况等提供支持分类器。
- Realtime API：使语音支持成为可能。
- OpenAI Evals：使质量可衡量，并能随时间推移进行可视化。
由于平台基础组件现成可用，我们花在系统集成上的时间更少，而能将更多精力集中在真正重要的事情上：定义“好的标准”是什么、衡量它，并加以改进。
我们从一个效果很好的简单问答机器人开始。借助 Agent SDK，我们迅速扩展到退款、发票、事件查询等动态操作。随着模型凭借更大的上下文窗口、深度研究和更强的代理能力持续改进，我们可以立即采纳这些进步。
复利式学习
评估（Evals）将日常对话转化为生产测试。它们将“优秀”的定义编码化——不仅要解决问题，还要礼貌、清晰、一致地解决。专员在此扮演着直接角色，标记出优秀的和薄弱的例子，这些例子会成为评估基准，并持续在生产环境中运行，以指导模型的行为。
“通常当你遇到问题时，你只是想尽快得到帮助。通过使用我们的 AI 工具，我们能更快地得到这些回应——同样重要的是，我们知道模型何时不应该回答，”支持自动化软件工程师 Jay Patel 说。
学习并未止于问题解决。模式会反馈到知识库、自动化和产品设计中。系统产生复利效应：用户获得更快响应，构建者获得更紧密的反馈循环，以及所有交互界面上质量标准的持续提高。
不仅是 AI 在学习。整个组织也与之同步学习。专家们会发现模型的不足之处，塑造新的分类器，并贡献用于微调的数据集。可观测性仪表板使质量可衡量，展示了性能如何随着时间的推移而提高。
支持服务的未来蓝图
最深刻的转变不在于工具，而在于人员以及组织衡量成功的方式。支持专员的价值不仅在于解决问题，更在于完善知识、改进模型和扩展系统本身。领导者正在寻找一种新型的团队成员：那些能将一线同理心与设计直觉相结合，将支持专业技能与好奇心相结合，以改进系统的人。
“我们开始看到深度工艺专业知识与深度工程专业知识的结合。这才是部门运营的未来。”
我们的愿景是，支持服务不再是一个你需要前往的目的地，而是成为一种行动，编织到每一个产品界面中。用户不再需要“打开工单”。他们只是在需要的地方，就能得到他们需要的东西。
这场始于应对规模挑战的变革，已经演变成了一份关于人与 AI 如何协同工作——协作、适应、持续改进——的蓝图。
准备好将 ChatGPT 应用于您的业务了吗？
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
评论区