OpenAI于2026年11月2日发布LifeVal，用真实生活任务衡量AI是否能从“给建议”走向“把事情办完”。评测覆盖育儿、健康、教育、家庭事务、个人财务、购物和政府服务等领域，任务来源结合时间使用调查和近4000名受访者的需求。
为什么聊天回答不够
用户问“帮我找托儿服务”时，需要的不只是列出几个名称，而是根据距离、时间、预算、年龄要求和空位筛选，核对来源并形成可执行清单。预算规划也不能只给模板，还要读取用户的实际账单、识别异常、提出调整并允许用户确认。
LifeVal带来的产品变化
个人助手应具备四层能力：理解个人上下文、调用可靠工具、处理多步骤约束、给出可核验结果。产品不能只优化语言流畅度，而要记录信息从哪里来、动作是否执行、失败时如何恢复。用户应该能查看和删除记忆，决定哪些信息只在当前任务使用。
如何设计一个真实任务
以“搬家”为例，输入包括新旧地址、预算、日期、物品清单和特殊要求。Agent先提出缺失问题，再比较服务商、生成时间表和预算，所有预约在用户确认后执行。验收不是“回答看起来合理”，而是费用没有漏项、时间不冲突、来源可打开、取消方式明确。
站内OpenAI Model Spec记忆与个性化解读可帮助设计上下文边界；ChatGPT连接邮件和日历指南说明连接个人数据时的权限控制。
企业可以怎么用
从客户最常见的十个任务建立内部LifeVal，而不是直接照搬公开分数。每个任务设置硬性约束、必须引用的信息、禁止动作和完成标准。把“建议质量”和“执行成功”分开评分，同时统计人工接管率、用户修改次数和错误成本。
风险边界
健康、财务和政务信息可能随地区和个人情况变化。模型必须标注数据日期，不把一般建议冒充专业结论。付款、提交申请、取消服务等不可逆动作必须二次确认。连接家庭成员数据时按人授权，不能因为共享账号就默认共享全部记忆。
结论
LifeVal说明个人AI下一阶段竞争不只是回答知识，而是可靠完成生活事务。真正有用的助手需要个人上下文、工具执行、证据、权限和确认机制共同工作。产品团队应围绕任务完成率建设，而不是只追求更长对话。
资料来源：OpenAI LifeVal研究。
