过去你让 Copilot 干活，是一次一次地问；现在微软想让它接一个目标，然后自己干到交付完。
9 月 7 日，微软 CEO 萨提亚·纳德拉在 X 上发布了 Project Opal——一个挂在 Microsoft 365 Copilot 下面的新能力。它的定位很直白：在可控、可追踪的环境里，规划和执行那些复杂、长周期的工作任务。官方给的描述是，用户交代完任务之后，它可以连续工作数小时甚至数天，自己把”找素材、做表格、生成 PPT、发给同事”这一整套流程跑完。
这不是又一个”帮我写个摘要”的功能。它换的是 Copilot 的产品形态。
它干活的流程，和你想的不太一样
先说最容易被忽略的一点：Opal 不是一个在你电脑上跑的助手。
使用路径是这样的——你在桌面版或网页版的 Microsoft 365 Copilot 里进入 Frontier 模块，把任务要求写清楚，点 Start。系统会先生成一份执行计划，然后启动一台专用的 Windows 365 云电脑，由推理模型调度 Edge 浏览器去完成具体操作。
也就是说，真正在干活的是一台云端虚拟机，而不是你正在用的这台笔记本。这个设计看起来绕，但它是整套安全逻辑的地基，后面会讲。
技术层面的关键点是：Opal 用高级推理模型把自然语言请求翻译成一份动态计划，并且会随着任务进展去调整工具调用的顺序。它强调的不是”一次答得漂亮”，而是”过程中能改道”。
一个官方案例：一个月的相机影像，变成一套交付物
纳德拉展示的那个例子挺能说明问题。
任务背景是分析一个月的户外相机影像。Opal 拿到这个目标后做的事是：
- 浏览全部素材，找出所有动物出现的画面
- 从里面挑出表现较好的片段，剪成一支精选视频
- 为每条动物记录补上相机来源、拍摄日期、物种标签
- 把全部记录汇入一张电子表格，方便检索和统计
- 资料整理完之后，生成一份 PowerPoint 概述处理结果
- 最后把视频、表格和演示文稿一起分享到 Teams，供团队查看和审核
注意这里面有几个不同性质的动作：看素材是理解，剪视频是创作，填表是结构化，出 PPT 是汇总，发 Teams 是对外协作。Opal 要做的不是其中一步，是把五种动作串成一条链，而且中途不需要你回来点确认。
这也是”长任务 Agent”和普通对话式 AI 最本质的区别——后者的产出是内容，前者的产出是一件已经落地的事。
三层安全架构：微软走的是”能管住”这条路
这才是 Opal 真正的重点，也是它和其他 Agent 产品分道扬镳的地方。
微软给它套了三层：
第一层，隔离执行环境。 每个任务跑在专属的 Windows 365 Cloud PC 实例里，和你本人的电脑、和公司内网是隔开的。出了问题，脏的是那台虚拟机。
第二层，独立部署的监督模型。 干活的是一个模型，盯着的是另一个模型。监督模型实时校验每一步操作，这相当于给 Agent 配了个”带班师傅”。
第三层，管理员默认关闭 + 域名白名单。 功能上线时是默认禁用的，必须由 IT 管理员主动开启；能访问哪些网站，由白名单限定死。
这套组合的取向非常清楚。同赛道上，Anthropic 在 ant apply 里把 Agent、技能、环境都变成仓库文件，走的是”配置即代码”；GitHub Copilot 在 9 月初让 代码审查可以放行 PR，思路是”给 Agent 提权，但每一步留痕”。而 Opal 的姿态更保守：先把笼子造好，再放它出去干活。
微软内部测试给出的数据是，工程师处理常规审计任务时，每周最多能省下 20 小时。已经在早期预览里的场景包括季度合规审计、群组成员申请、工时表与休假申请，以及新员工入职——你会发现这些活有个共同点：规则明确、步骤很多、但每一步都不难。 这正好是 Agent 的舒适区，也正好是人类最烦的活。
想上手，要知道这几点
现阶段 Opal 的门槛不低，几个事实先摆清楚：
- 只对加入微软 Frontier 计划的授权客户开放
- 默认禁用，需要 IT 管理员手动开启
- 还处在早期开发阶段，微软自己提示后续版本可能有较大范围的功能迭代
如果你在符合条件的企业里，上手路径大概是：确认管理员已开启 Opal → 在 Microsoft 365 Copilot 的 Frontier 模块里描述任务 → 检查它生成的执行计划 → 设定好域名白名单和操作边界 → 点 Start，然后定期回来看进度。
这里有个实操建议：第一批别拿核心业务试。 先挑一个可回滚、可复核的低风险活——比如整理一份周期性报告，或者把一批文档按规则归档。等你看过它几次的完整操作日志、确认它不会乱点乱发，再往上报权限。
和同类比，差在哪
把它放回 9 月的 Agent 产品谱系里，位置会比较清楚：
- 和 Meta Muse 比：Muse 面向个人，能替你订机票、发邮件、刷卡下单，但每一步都要你先点头；Opal 面向企业，是”你点一次头，它连干几小时”。授权粒度完全不同。
- 和 Cursor 自托管机器 比：那个解决的是”代码不出内网”，服务的是研发场景；Opal 服务的是办公室里的知识工作。
- 和微软自己的 Project Zenith 比：Zenith 是在改操作系统，让开发者开箱即写代码；Opal 是在改办公套件，让 Office 能自己交付成品。两条线一硬一软，说的是同一件事——微软在把 Agent 塞进它已有的每一层。
真正的短板也很明显：它只在微软的生态里跑。 云电脑是 Windows 365，浏览器是 Edge，交付物落在 Office 和 Teams 上。这对纯微软栈的企业是优点，对混合栈的团队就是新的孤岛。而且”数小时到数天”这个时间尺度，意味着你没法盯着它，只能信任它的计划和日志——信任这件事，短期内还是得靠小任务一点点攒。
老达点评
第一，”给目标、交成品”正在成为办公 Agent 的标准动作，这比跑分重要。 过去两年我们习惯用”这个模型答得好不好”来评价 AI，但 Opal 这类产品的评价标准换了：任务有没有真的完成、中途要不要人插手、出了问题能不能回溯。这个转变对做 AI 应用的人来说是信号——你卖的不该是模型能力，是一条能跑通的流程。
第二，微软把”能管住”当成了卖点，这个选择很聪明。 企业客户怕的从来不是 AI 不够聪明，是 AI 太主动。隔离环境、监督模型、默认关闭、域名白名单，这四样加起来其实是在回答采购部门最关心的那个问题：”它闯祸了怎么办？”把答案写进产品架构里，比写进 PPT 里有用得多。
第三，也是最实际的一条：先别急着给 Agent 松绑。 站内前阵子写过 GitSpawn 恶意仓库攻破 7 款 AI 编程工具，也写过 Meta 内部 Agent 的越权隐患，这些事故的共同点是——没人当场发现。 Opal 的三层架构是个好示范，但它在早期开发阶段，规则一定还会改。真要用，就把权限白名单和人工复核这两件事自己做扎实，别把”可审计”当”已安全”。
想系统看这条线的更多内容，可以走 AI 智能体与自动化专题 和 AI 工具评测专题；如果你更关心”办公场景里 AI 到底能替掉多少活”，老达AI实践专题 里的实操记录可以一起看。
