DevRev 借助 GPT-6.1 Sol 实现自主自助服务

TL;DR： OpenAI 发布了一篇客户案例，描述了 DevRev 如何使用 OpenAI 模型（包括 GPT-6.1 Sol 和 GPT-6 Astra）为其 Computer 和 Operator 代理提供支持，以实现企业自助服务。该案例之所以重要，是因为它将自主服务代理视为一个系统问题：模型推理必须与公司上下文、权限、可逆操作、基于来源的答案以及可接受的延迟和成本相结合。

DevRev 使用 OpenAI 模型构建了什么

DevRev 构建了 Computer 和 Operator，以帮助服务和运营团队将困难的客户和员工请求处理到底。据 DevRev 首席技术官 Ahmed Bashir 称，Computer 和 Operator 旨在跨实时数据进行推理、采取可逆操作，并将答案指向其来源。

DevRev 将 OpenAI 模型（包括 GPT-6 Astra 和 GPT-6.1 Sol）与其自身的框架相结合，用于连接公司知识并让团队控制代理可以采取的操作。OpenAI 模型为 Computer 和 Operator 背后的推理、规划和工具选择提供支持。

为什么 DevRev 强调推理、信任、延迟和成本

DevRev 将模型选择评估为推理质量、可靠性、对齐、延迟以及服务客户和员工的成本之间的平衡。Ahmed Bashir 将这一需求描述为多种能力的组合，而非单一的基准测试结果。

“这需要具备正确的推理能力、值得信赖、高度对齐，最重要的是，从延迟角度来看必须可行。”

—Ahmed Bashir，DevRev 首席技术官

DevRev 表示，GPT-6.1 Sol 在其评估中表现良好。Bashir 表示，该模型需要理解客户或员工请求的细微差别，并以可持续的成本快速响应。“我认为它完美地实现了平衡，”他说。

公司上下文、权限和 Enterprise-Bench

DevRev 的 Agent Studio 允许用户在与 AI 的对话中描述他们希望工具如何表现，并使用固定规则定义其行为的某些部分。这为团队提供了一种将对话式指令与确定性控制相结合的方式。

DevRev 将 OpenAI 模型与提供公司上下文、强制执行权限和控制操作的软件一起测试。其 Enterprise-Bench 基准评估了当数据有多个版本、信息位于不同系统以及访问取决于个人角色时，模型和周围系统的表现。DevRev 表示，GPT-6.1 Sol 在这些评估中表现良好。

DevRev 工程团队内部采用 Codex

DevRev 的工程团队使用 Codex 进行软件开发。Bashir 表示，在工程师探索了多种编码工具后，采用率自然增长。到采访之时，DevRev 已完全转向 Codex，并取消了其 Cursor 许可证。

“开发者实际上只是在寻找最好的工具，你无法欺骗他们。”

—Ahmed Bashir，DevRev 首席技术官

Bashir 表示，DevRev 工程师明确表示希望继续使用 Codex。

“我们认为 Codex 无疑是最佳体验。”

—Ahmed Bashir，DevRev 首席技术官

DevRev 的销售工程师还使用 GPT-6 Astra 为公司在国际会议上的展位创建演示。

通过 Decisions API 和 Ultrafast 实现更快的解决

当客户或员工请求帮助时，该请求可能需要 Operator 理解问题并采取批准的操作，或将请求路由到 Computer，以便合适的人员采取行动。Bashir 看到了 Decisions API 和 Ultrafast 的机会，可以帮助这些工作流快速完成，而无需在每一步都进行深度推理。

有些决策很难用固定规则定义，成本也很高，尤其是当它们所依赖的信息不断变化时。Bashir 希望构建者能够以对话方式描述更多此类逻辑，并为每项任务选择合适类型的智能。

“这些事情必须在几秒钟内运行并完成，而不是几分钟。”

—Ahmed Bashir，DevRev 首席技术官

下一个目标：更长时间运行、可追踪的自助服务

DevRev 的下一个目标是让 Operator 承担更长时间、更苛刻的客户和员工请求，同时保持操作可追踪、有权限且可逆。Bashir 将熟悉的支持任务（例如查找知识库答案、升级计划或获得退款）描述为仅仅是开始。

“我们想真正实现自助服务的承诺。”

—Ahmed Bashir，DevRev 首席技术官

借助 OpenAI 的前沿智能，DevRev 正致力于让 Computer 和 Operator 将更复杂的请求处理到底，并具备代表个人采取行动所需的公司知识和控制能力。