结论前置：OpenAI 于 2026 年 10 月 21 日披露 ChatGPT 广告系统的工程设计：用经过后训练的 LLM 编排检索、筛选与竞价工具，并将广告服务和回答生成部署在独立路径。本文报道的是架构解读，公告没有发布可供开发者直接调用的广告编排模型 API，也没有给出这套系统的独立服务报价。
LLM 理解意图，工具执行明确规则
据 OpenAI 介绍，系统保存会话状态以跟踪多轮意图，再通过语义检索寻找候选。资格、相关性和预算检查贯穿流程；LLM 负责推荐适合进入竞价的候选，最终选择与定价由竞价工具处理。这样的职责划分，把语言理解与需要稳定执行的业务规则分别落实到模型和服务中。
广告服务与回答服务如何分开
OpenAI 称，两条路径使用不同服务、模型与代码，广告服务慢或不可用时，正常回答继续运行；候选没有及时送达或不符合要求时，可以不展示广告。其此前公布的广告原则也强调，广告应独立标识，不影响回答，并提供个性化控制。以上是厂商披露的设计与原则，不构成第三方对实现效果的审计结论。
中蓝科创观察：企业 Agent 可借鉴什么
企业在推荐、客服或采购辅助中使用 Agent 时，可以让模型解释需求和提出候选，把权限、库存、价格、预算与审批留给可校验的后端服务。若推荐模块故障，核心查询仍应能返回结果；如果没有合适候选，也应允许空结果。业务记录要区分候选被选中、送达前端、实际展示和用户操作，避免把不同阶段的数量混作成果。
评估重点是完整业务结果
建议试点团队记录建议相关性、规则拦截是否正确、工具延迟、超时处理和人工纠错成本，并用多轮任务检查模型是否把旧信息误当成当前需求。该工程案例能提供系统设计参考，但不能证明同样的模型编排方式会自动改善某家企业的转化率。实际效果应由业务样本和线上指标验证。
资料来源：OpenAI 广告系统工程解读（2026 年 10 月 21 日）；OpenAI 广告原则（2026 年 1 月 16 日）。企业实施建议为中蓝科创分析。
