Genspark 超级代理：使用 GPT-4.1 和 Realtime API 的无代码自主代理

Genspark 已发布 Super Agent，这是一款无代码平台，使用户能够通过简单提示自动化现实任务——例如拨打电话、生成演示文稿和制作短视频。此发布标志着 Genspark 从 AI 搜索引擎转向代理式 AI 平台，利用 OpenAI 的多模态模型和 Realtime API，实现从信息检索到基于结果的自动化。

技术架构与模型集成

Super Agent 作为编排层构建，管理九个专用的大语言模型和超过 80 个集成工具。系统根据用户请求动态将任务分配给最合适的组件。

OpenAI 模型实现

OpenAI 模型为平台工作流提供核心智能：

  • GPT-4.1: 用于研究和生成结构化输出。它拥有 1M 令牌的上下文窗口，使代理能够处理大量文档而不被截断，并提升了指令遵循能力。
  • Strict JSON Output: 此功能确保响应以可靠的结构提供，以便下游工具集成。
  • Automatic Prompt Caching: 用于降低 API 成本和延迟，尤其在复杂的多步骤工作流中。
  • GPT-image-1: 通过 OpenAI API 使用此模型完成所有图像生成任务，例如为演示文稿创建风格化封面图像。

多模态能力与现实自动化

Super Agent 通过多个关键功能将 AI 从聊天界面转变为可操作的工作空间：

通过 Realtime API 的语音自动化

“Call For Me” 功能使代理能够进行自然的实时电话对话，无需脚本。该功能由双层系统驱动：

  1. The Realtime API: 管理实时的语音对语音对话，以确保流畅性。
  2. A Shadow Model: 通过消息队列监控交互，以引导对话。

该架构使 Agent 能够有效处理模糊的人类回应和等待音乐。在日本，这一功能尤其用于处理员工向雇主的辞职电话。

内容生成

除了语音，系统还能自动化生成个性化媒体。例如，它可以通过撰写内容、使用 GPT-image-1 生成图像并编排最终幻灯片来草拟演示文稿。同样，它可以生成逐场景脚本和图像，以组装适用于 Instagram 等平台的短视频。

商业影响与增长指标

自 2025 年 4 月推出 Super Agent 以来，Genspark 在未进行付费营销的情况下实现了快速的自然增长：

  • Revenue: 在 45 天内实现 3600 万美元的年度经常性收入（ARR）。
  • Development Speed: 在 70 天内由 20 人团队交付了八个主要的代理功能。

未来路线图

Genspark 计划将自主代理的能力扩展到新领域，包括能够实时操作网页内容的 AI 浏览器以及用于生成格式丰富文档的 AI 文档。

Sources