鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

OpenAI应用商店实测翻车,打车、订餐频频掉链,OpenAI回应:我们不追求一步到位

编程导航
编程导航
2026-01-05 12:30
阅读 89
编程导航
2026-01-05 12:30
阅读 89

智东西(公众号:zhidxcom)
编译 |  王欣逸
编辑 |  程茜

智东西1月5日消息,1月2日,据《华尔街日报》报道,ChatGPT应用商店功能实测效果不佳,许多小程序在执行操作上出现问题,如打车平台Uber小程序调用失败、无法直接打车等。

去年12月,OpenAI宣布开发者可以向ChatGPT提交应用,并在ChatGPT内上线了全新的应用目录,用户可以在其中浏览精选应用,或搜索已发布的应用,直接在ChatGPT里使用相关应用程序的功能。

OpenAI应用商店实测翻车,打车、订餐频频掉链,OpenAI回应:我们不追求一步到位

▲ChatGPT的应用商店功能(图源:OpenAI)

经过对ChatGPT这一功能的测试,《华尔街日报》发现,除了即时配送平台Instacart运行顺畅外,打车平台Uber、线上订餐平台OpenTable等其他应用表现不佳,它们只能回答基本问题,经常出现错误信息和操作混淆,还会将用户引导回功能更强大的手机App或网站。

OpenAI发言人对《华尔街日报》说:“公司的目标是为了尽早推出新产品,方便消费者和开发者熟悉使用。OpenAI并不追求一步到位,而是主张通过快速迭代不断完善产品。”

OpenAI联合创始人兼首席执行官萨姆·阿尔特曼(Sam Altman)曾提到,相比于谷歌Gemini,他们更大的对手是苹果。除了ChatGPT应用商店的功能外,OpenAI正计划推出一系列全新硬件,阿尔特曼希望其中一款设备能取代iPhone。

一、Uber小程序无法直接叫车,OpenTable等小程序使用场景受限

《华尔街日报》采访了12位与OpenAI合作的应用程序开发者,他们均认为,将应用嵌入ChatGPT是因为他们的大量用户都在使用ChatGPT。

根据《华尔街日报》对ChatGPT应用商店的测试结果,在ChatGPT中使用打车小程序Uber比单独使用Uber App要花费更长的时间。ChatGPT可以估算行程费用和预计到达地点,但无法直接为用户叫车,用户点击按钮后会被转至Uber网页进行预订,且仍需重新输入上车与下车地点。

OpenAI应用商店实测翻车,打车、订餐频频掉链,OpenAI回应:我们不追求一步到位

▲ChatGPT无法直接帮助用户用Uber叫车(图源:《华尔街日报》)

另外,接入Uber服务的过程也并不顺畅,若用户直接提出“使用Uber应用”,ChatGPT会回应称其“无法直接访问Uber应用”,用户必须掌握特定方法,如以“@uber”开头并且准确描述需求,才能成功调用该功能。

Uber发言人向《华尔街日报》回应,称ChatGPT是一个试点项目,公司正在试验不同的方式来更好服务消费者。

餐厅预订是AI助手的核心应用场景之一,在这一功能上,当体验者要求ChatGPT通过线上订餐平台OpenTable预订餐位时,系统返回了错误信息。相比之下,用户直接通过OpenTable网站完成预订仅需数秒。

OpenAI应用商店实测翻车,打车、订餐频频掉链,OpenAI回应:我们不追求一步到位

▲OpenTable小程序在请求时遇到了问题(图源:《华尔街日报》)

在旅游服务功能上,当体验者要求ChatGPT使用旅游服务平台Tripadvisor寻找低价滑雪度假方案时,地图在屏幕上持续加载约30秒后显示错误信息。ChatGPT甚至称“Tripadvisor有点不太管用”,随后转而调用网络搜索结果来补充回答。

OpenTable与TripAdvisor的发言人向《华尔街日报》指出,使用这两款应用的关键在于熟悉其功能特点,并以恰当的指令调动聊天机器人,例如,OpenTable更适用于探索新餐厅,而TripAdvisor则擅长帮助用户对比不同酒店选项。

对此,《华尔街日报》认为,将聊天机器人与应用程序对接的本意是为了简化操作流程,甚至让AI自主完成任务,如果使用该功能还会额外增加步骤,显然背离了这一初衷。

二、Instacart表现突出,但依赖深度协作和产品迭代

在ChatGPT应用商店的诸多应用体验中,即时配送平台Instacart的表现较为突出。在一次测试中,ChatGPT成功为一个素食家庭设计出一周食谱,并将所有所需食材准确加入零售平台Costco的在线购物车里。用户点击结账按钮后,直接跳转至其Instacart网页账户,可在此完成支付并给配送员留言。此外,Instacart会依据最终结算金额向OpenAI支付交易费用,这将成为OpenAI凭借其庞大用户流量实现盈利的一种途径。

Instacart的成功或许并非偶然。菲吉·西莫(Fidji Simo)现任OpenAI高管,在入职OpenAI前,她是Instacart的首席执行官。她有效推动并化解了两家公司此前在技术开发上的协作僵局。

Instacart首席技术官安尼班·昆杜(Anirban Kundu)提到:“OpenAI最初的设想并不可行,它曾希望Instacart开放库存数据接口,让杂货订单完全在ChatGPT内处理。但由于生鲜等商品的价格和库存可能每小时变动,Instacart坚持要求聊天机器人实时调用其服务器数据。”

昆杜称,西莫加入OpenAI后,OpenAI最终采纳了Instacart的方案。Instacart团队曾进驻OpenAI办公室,与对方团队共用办公空间和Slack沟通频道,在三个月内历经多次迭代,最终完成了系统集成。

结语:OpenAI挑战苹果,道阻且长

ChatGPT应用商店是OpenAI取代苹果长期布局的关键一环,多数应用目前仍不够实用。Instacart能以小程序的形式顺利进驻ChatGPT并表现突出,只是一个个例,且离不开其首席执行官加入OpenAI的契机。就目前而言,直接打开手机上的应用程序比进入ChatGPT使用小程序便捷得多。

不过,苹果或许应该保持警惕。美国金融服务机构D.A.戴维森公司分析师吉尔·卢里亚(Gil Luria)称:“谁能成为我们最喜爱的在线服务的入口,谁就掌握了网络空间中最有价值的‘收费站’之一。目前,这一角色正由苹果担任,并向开发者收取高昂的费用。”随着越来越多的消费者开始通过ChatGPT使用一系列集成小程序,OpenAI的地位或将得到提升。

来源:《华尔街日报》

原文链接: OpenAI应用商店实测翻车,打车、订餐频频掉链,OpenAI回应:我们不追求一步到位
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230