OpenAI于2026年7月22日推出Presence，面向企业部署可处理语音和聊天任务的生产级Agent。它并非一个开箱即用的普通聊天机器人，而是把模型、企业知识、业务系统、政策、护栏、模拟评测和人工升级组合起来。当前采用有限开放并由工程团队和集成商参与部署，重点解决客服Agent“演示能用，生产不稳”的难题。
从一个具体岗位开始
Presence的落地逻辑不是让Agent理解全公司，而是先选择一个明确岗位，例如账单查询、保险理赔初审或员工IT服务。系统只获得完成该任务所需的知识和接口，企业规定允许做什么、何时需要批准、什么情况下转交人工。
任务越具体，评测越清楚。企业可先统计现有人工流程中的高频意图、平均处理时间、错误类型和升级原因，再选择重复度高、规则清晰、可回滚的流程作为试点。
生产级Agent需要哪些组件
知识库负责事实，工具接口负责查询和执行，政策定义边界，护栏阻止越权，评测检查结果，升级规则决定何时找人。只接一个大模型API而没有这些组件，无法稳定处理真实客户的模糊描述、情绪和异常情况。
语音场景还要处理打断、口音、噪声、身份验证和延迟。Agent执行退款、修改账户或提交申请前，应复述关键内容并获得确认；高金额或高风险动作必须进入人工审批。
上线前后的评测闭环
上线前使用真实但脱敏的历史案例做模拟，覆盖常见请求、边界案例、欺诈尝试和政策冲突。评价不能只看回答自然度，还要看结果是否正确、是否遵守政策、工具参数是否准确、是否在合适时机升级。
上线后继续抽样生产会话、人工接管和投诉原因。系统可以提出改进建议，但每次政策、提示词或工具变化都要与当前生产版本对比测试，再小范围发布。不能让Agent根据一条客户反馈直接修改自己。
适用企业与现实限制
Presence更适合有稳定业务流程、足够案例、明确政策和专门运营团队的企业。小公司如果流程仍频繁变化，可以先用知识问答和人工辅助，不必直接追求全自动客服。
官方信息显示Presence目前不是自助产品。企业评估时要同时考虑集成周期、数据合规、人工坐席协同、语言覆盖和长期维护成本，不能只比较单次模型调用价格。
可直接执行的操作清单
- 选出一个规则明确且可回滚的客服流程。
- 整理知识、政策、接口权限和人工升级条件。
- 用脱敏历史案例建立成功、失败和安全测试集。
- 先内部试用，再小流量上线并持续抽样。
- 所有生产改动经过对照评测、负责人批准和回滚准备。
总结
Presence代表企业Agent从聊天界面走向业务执行。真正决定成败的不是模型说得多自然，而是权限最小化、政策可执行、结果可评测、异常可接管和版本可回滚。
参考资料：官方发布与产品说明。本文依据公开资料重新整理并加入应用方法、风险提示和落地建议。
