Inside OpenAI：对话 GPT 核心团队，揭秘 AI 时代的开发与创新

嘉宾：Logan Kilpatrick｜OpenAI 开发者关系负责人｜领域：AI 产品与未来趋势

背景与引子

2022 年 11 月，ChatGPT 正式上线。短短一年多时间，这款产品深刻改变了我们对人工智能的认知，也重塑了无数产品的形态与可能性。从代码生成到内容创作，从数据分析到客户服务，AI 正在以难以想象的速度渗透到各行各业。

然而，当大多数人还在讨论 AI 能做什么、不能做什么的时候，有一群人每天都在思考一个更根本的问题：如何让 AI 真正成为每个人手中最趁手的工具？

本期节目邀请到了 OpenAI 开发者关系负责人 Logan Kilpatrick。他在 ChatGPT 发布的浪潮中站在最前线，每天与全球开发者共同探索 AI 的边界。在这场对话中，我们将深入了解 OpenAI 内部的运作方式、如何快速迭代产品、什么才是真正的 prompt engineering，以及下一个 AI 创业的机会窗口在哪里。

一、嘉宾是谁

Logan Kilpatrick 目前担任 OpenAI 开发者关系负责人，负责支持基于 OpenAI API 和 GPT 构建应用的开发者群体。在此之前，他曾在苹果担任机器学习工程师，并曾为 NASA 提供开源政策方面的咨询。这些经历让他深刻理解了两种截然不同的组织文化：NASA 的严谨与审慎，苹果的保密与精细，以及 OpenAI 的速度与使命驱动。

Logan 是那种在访谈中既有深度又有温度的嘉宾。他会直接告诉你 prompt 里加个笑脸表情能提升模型表现，也会分享自己在使用 GPT 做季度规划时的私人工作流。他不回避敏感话题——当被问及 OpenAI 内部那次震动全球的董事会风波时，他坦诚地分享了自己的真实感受。这种真诚让整场对话充满了教科书里找不到的洞见。

二、核心观点 TOP10

找到高自主性、高紧迫感的员工是 OpenAI 最重要的招聘标准。 这两种特质比任何技能都重要，因为拥有它们的人可以真正推动世界前进。
context is all you need（语境就是一切）。 语言模型没有你的背景信息，它就像一个拥有天才智力但完全没有上下文的存在。给多少语境，决定了答案的质量。
不要做通用助手，直接做垂直场景。 OpenAI 永远不会做一个 AI 销售代理，但 Harvey 这样的法律 AI 可以。因为我们专注于通用能力，而垂直领域需要深厚的行业知识和定制化。
Prompt engineering 本质上是一种人类技能。 我们一直在对人做”prompt engineering”——提供背景、设定期望、优化提问方式。对 AI 同样如此。
GPTs 的核心价值是将 AI 的使用门槛大幅降低。 当用户面对一个”什么都能做”的聊天窗口感到困惑时，一个针对特定问题优化的 GPT 可以让他瞬间感受到 AI 的价值。
OpenAI 的研究团队有意保持小规模。 在 GPU 受限的世界里，每增加一个研究人员，团队效率反而可能下降。这种克制本身是一种战略。
2024 是多模态 AI 的元年，也是新交互范式的探索之年。 语音、图像、视频等新模态的加入，以及像 rabbit R1、TLDraw 这样的新交互界面，都在重新定义人与 AI 的关系。
GPT-5 会更强大，但它仍然是工具而非魔法。 我们需要调整对模型进步的预期：它会解决更多问题，但根本问题仍然是人类的问题。
Slack 在 OpenAI 的快速协作中扮演了关键角色。 即时通讯文化让远程团队也能像在同一间办公室一样高效运转。
AI 不会取代人类，但使用 AI 的人类会取代不使用 AI 的人类。 这是你最好的时机，去学习并开始使用这些工具。

三、关键洞察

1. OpenAI 在危机中展现的恢复力源于深厚的使命认同感。

Logan 回忆那场震惊全球的董事会风波时，最让他意外的不是事件本身，而是团队的反应——感恩节假期刚刚开始，周五下午所有人收到了消息。但仅仅一周后的周一，当他飞回旧金山进入办公室时，发现大家已经”激光般专注”地回到了工作中。这种快速恢复不是刻意为之，而是团队成员对 AGI 使命的深度认同所带来的自然结果。这对任何组织都是一堂课：当团队成员真正相信自己在做一件重要的事，危机反而会成为凝聚力的来源。

2. Prompt engineering 的核心不是技巧，而是提供足够的语境。

很多人把 prompt engineering 当成一种魔法咒语，以为存在某个万能公式。Logan 的观点与此截然不同。他把语言模型比作一个拥有天才智力但完全没有上下文的存在——它不知道你是谁、你在做什么、你的目标是什么。因此，当用户抱怨 ChatGPT 的回答太泛泛时，问题不在于模型不够聪明，而在于用户没有提供足够的语境。一个简单的方法是：想象你是在向一个刚入职的顶级顾问提问，你会先告诉他哪些背景信息？那就是你应该放进 prompt 里的内容。

3. 通用 AI 助手赛道拥挤，但垂直场景仍有巨大空间。

Logan 给出了一个非常诚实的建议：如果你的目标是做一个”通用助手”与 ChatGPT 竞争，你需要做好充分的心理准备，因为 OpenAI 正在大力投入这个方向。他们不会做的是垂直行业应用——比如法律 AI、医疗 AI、销售自动化。这些领域需要深厚的行业知识、定制化的模型训练，以及与业务流程的深度整合，这正是 OpenAI 作为一个通用基础模型提供商无法覆盖的地方。Harvey（法律 AI）就是最好的例子：OpenAI 的模型永远无法在法律场景上做到 Harvey 那么专业。

4. GPTs 的战略意义在于降低 AI 的使用门槛，而不是增加功能。

ChatGPT 很强大，但很多新用户第一次使用时并不知道该问它什么。这种”选择悖论”反而阻碍了普及。GPTs 的出现解决了一个根本问题：把 AI 的能力封装进一个针对特定场景优化的”迷你 ChatGPT”，让用户可以直接体验价值。Logan 预测，当 GPT Store 的货币化功能上线后，会吸引更多开发者创造垂直场景的 GPT，这将推动 AI 的大规模普及。简单来说，GPTs 是让 AI 从”我可以用它做什么？“变成”这个 GPT 就是为你而建”的关键一步。

5. AI 不会取代你的工作，但掌握 AI 的人会取代不掌握 AI 的人。

Logan 在访谈结尾分享的这个观点值得每一个职场人深思。这不是关于技术替代的宏大叙事，而是关于竞争力的具体问题。当你的同事开始用 AI 工具将工作效率提升 50% 甚至更多时，你还在用手工方式完成任务，这种差距会在绩效上快速显现。更务实的行动是：今天就去 ChatGPT 打开一个对话框，问它一个你正在工作中遇到的实际问题，亲自体验 AI 能做什么。

四、精彩金句

“Finding people who are high agency and work with urgency—that’s the top two characteristics I would look for in people.”

高自主性和高紧迫感是我在招聘时最看重的两个特质。拥有这些的人不需要等 50 个人达成共识，他们听到客户的问题就已经在思考解决方案了，然后直接去做、去解决问题。

“Context is all you need.”

语境就是一切。你把多少背景信息告诉模型，决定了它能给你多好的答案。这解释了为什么 ChatGPT 有时回答得太泛泛——不是它不够聪明，是你忘了它完全不了解你。

“We’re deeply focused on very general use cases. We’re not going to launch an AI sales agent. That’s just not what we’re building towards.”

我们专注于非常通用的使用场景。我们不会做一个 AI 销售代理，这不是我们前进的方向。这对创业者来说是一颗定心丸：OpenAI 不会抢走垂直领域的创业机会。

“AI is not going to replace humans. Other humans augmented with AI are going to replace humans who are not.”

AI 不会取代人类，但那些掌握了 AI 工具的人类会取代那些没有掌握 AI 的人类。

“Measure in hundreds.”

用”一百次”来计量。当你尝试一个新事物只失败了几次就说”这不管用”时，在一百次的维度里，你其实还没开始呢。成功是由无数次尝试的复利构成的。

五、实战案例

案例一：Chime 公司的内部 GPT 应用

Logan 分享了一个来自朋友 Dennis Yang 的真实案例。Dennis 在金融科技公司 Chime 工作，他构建了两个内部 GPT 大幅提升了团队效率。第一个 GPT 专门用于生成 Facebook 和 Google 广告创意，帮助营销团队快速产出广告文案idea，无需每次都从头开始构思。第二个 GPT 则模拟数据科学家的角色，当实验结果出来时，它可以帮助团队分析实验结果的含义，并回答类似”我们还应该再跑多久？“或”这个结果对产品意味着什么？“这样的后续问题。这两个 GPT 的共同特点是：场景非常具体、使用门槛极低、解决了重复性工作的痛点。

案例二：Logan 自己的季度规划 GPT

Logan 还分享了他个人使用 GPT 做季度规划的工作流。他从一篇关于如何设定成功计划的文章中提取核心要点，将这些建议输入到一个定制的 GPT 中。现在每当他规划一个新项目时，就把基本信息告诉这个 GPT，它会自动生成详细的时间线、关键成功指标，以及需要纳入规划流程的跨职能合作方。他说，这个工具强迫他思考那些在日常规划中容易被忽略的细节，让他成为一个更系统化的思考者。如果你有兴趣，可以联系 Logan 获取这个 GPT 的配置方式。

案例三：Harvey——法律 AI 的垂直深耕

Harvey 是一个专门服务于法律行业的 AI 平台，为律所和法务团队提供定制化模型和法律工具。这正是 Logan 所描述的那种”OpenAI 不会做”的典型场景。Harvey 拥有深厚的法律领域知识，能够理解复杂的法律术语、工作流程和合规要求，这些是通用语言模型无法替代的。通过在 OpenAI 基础模型之上进行微调和领域定制，Harvey 构建了真正有护城河的产品。

六、行动建议

建议一：给你的每一个 prompt 加上丰富的背景信息。

为什么要做：语言模型本质上是”没有上下文的天才”。没有背景，它只能给出泛泛而谈的答案。

如何开始：在提问前，先写下”如果我向一个刚入职的顶级顾问介绍我的情况，我会告诉他什么？“把这些信息加进你的 prompt。你会惊讶于答案质量的提升。

能得到什么：更有针对性、更实用、真正能推动工作进展的回答，而不是浪费时间在反复调整 prompt 上。

建议二：找到你工作中最高频、最重复的任务，尝试用 GPT 自动化。

为什么要做：GitHub Copilot 的数据表明，AI 能将工程师的工作效率提升 50% 以上。这种提升对任何岗位都适用。

如何开始：花一天时间记录你工作中所有”重复性”的任务，比如写营销文案、生成报告初稿、数据分析总结、准备演示文档。挑一个最高频的，用 ChatGPT 或 GPTs 尝试自动化。

能得到什么：每周节省数小时重复性工作时间，让你能专注于真正需要创造力的人类判断。

建议三：如果你在创业或做产品，选择一个足够垂直的场景。

为什么要做：通用助手市场已经有 ChatGPT 和大量竞争者，胜算不大。但医疗、法律、金融、教育等垂直领域，AI 的渗透才刚刚开始。

如何开始：选择一个你有深厚行业知识的领域（或者找到一个有该领域经验的联合创始人），深入研究这个领域最耗时、最痛苦的决策流程，然后构建一个 AI 驱动的解决方案。

能得到什么：一个有真实护城河的产品，因为行业知识本身就是你最难被复制的资产。

建议四：订阅并持续使用 ChatGPT，把它变成日常工作流的一部分。

为什么要做：Logan 在访谈中提到，他每天都在使用 ChatGPT，几乎把它当作浏览器的一个固定标签页。AI 能力的提升是持续的，你越熟悉这个工具，就越能发现它的新用法。

如何开始：今天就打开 chat.openai.com，注册一个账号。选择一个你正在做的实际项目，问 ChatGPT 一个真实的问题。然后明天再来，后天再来，把它当作一个真正的同事来互动。

能得到什么：随着使用频率增加，你会发现自己开始用 AI 的视角重新审视工作流程，发现越来越多可以优化的环节。

建议五：关注 GPT Store 的货币化机会，提前布局你的 GPT 产品。

为什么要做：OpenAI 即将上线 GPT Store 的货币化功能，这意味着开发者可以基于 GPT 的使用量获得收入。这是 AI 时代的新”App Store 时刻”。

如何开始：如果你有某个领域的专业知识，现在就开始构建一个相关的 GPT。给它起一个清晰的名字，写好详细的描述和指令，上传相关的知识文档。让它成为一个真正的”专家”。

能得到什么：一旦货币化功能上线，你已经拥有了一个可以变现的 AI 产品。早期入场的人将获得平台最宝贵的流量扶持。

七、我的总结

这场与 Logan Kilpatrick 的对话，为我们提供了一次难得的”内部视角”。从 OpenAI 内部对那场震惊全球的董事会风波的真实反应，到快速迭代背后的文化密码；从 prompt engineering 背后的本质逻辑，到 AI 创业的真实机会窗口，Logan 用坦诚和务实给出了大量可操作的洞见。

最让我印象深刻的不是某个具体的技术观点，而是一种思维方式：在这个 AI 快速发展的时代，焦虑和观望是最低效的策略。Logan 的建议简单直接——去用、去试、去找那个你能用 AI 解决的具体问题。正如他所说，AI 不会取代人类，但掌握 AI 的人类会取代不掌握 AI 的人类。现在就是最好的开始时刻。

📺 播客信息

发布时间：2024-02-08
时长：1小时8分钟7秒
播放量：18396 次观看
原版视频：『YouTube』