OpenAI 联手美国国家实验室：用 AI 智能体写环评，起草提速 15%

修一座输电线、建一座核电站，最耗时的往往不是倒水泥，而是写几百页甚至几千页的环境影响报告，等审批等上几年。

现在 OpenAI 打算帮美国政府把这些公文流程砍掉一部分。OpenAI 联合美国能源部下属的太平洋西北国家实验室（PNNL）以及 PermitAI 团队，发布了一个名为 DraftNEPABench 的全新评测基准，专门测试 AI 智能体起草联邦环境许可文件的能力。

把写代码的智能体扔进公文堆

这项测试针对的是美国有着五十多年历史的《国家环境政策法》（NEPA）流程。平时这类审查需要翻阅海量技术资料、交叉比对多个部门法规，撰写极度繁琐的合规分析。

他们找来了 19 位 NEPA 审查专家，覆盖 18 个联邦机构，设计了 102 项具体的起草任务。测试的技术方案很有意思，OpenAI 并没有用普通的网页聊天界面，而是拿出了基于 GPT-5 的推理模型与 Codex CLI 命令行智能体。

让写代码的智能体来写政府公文，逻辑其实说得通。这类命令行智能体天生擅长在文件系统里翻找资料，能自动阅读上百页的技术文本，在不同环境、工程和法规源文件之间核对事实，再输出结构严格的报告。它们甚至还能跳过死板的 PDF，直接生成网页版交互式图表，方便人类审核员查验。

测试结果显示，AI 智能体起草每个小节平均可以节省 1 到 5 个小时，起草耗时缩减了约 15%。OpenAI 和 PNNL 预计，随着工具迭代，未来有望把联邦基础设施的平均审批时间从数月压缩到数周。

AI 还没法替官员盖章

不过，起草文本和最终拍板完全是两码事。

OpenAI 在报告里承认，这个基准测试目前只针对上下文信息明确、任务边界清晰的起草环节。现实里的环境审查往往充满利益博弈、信息缺失和行政自由裁量权，这些模糊地带是现在的 AI 无法处理的。

测试过程中还暴露出一个现实问题：如果给 AI 输入的原始参考材料本身就过时、残缺或存在矛盾，AI 往往不会主动提出质疑，而是硬着头皮写下去。在分析失败案例时，研究团队发现有些所谓的模型错误，追根究底其实是参考标准或评估规则本身过时了。

换句话说，在真正投入实战前，这套系统依然高度依赖专业人员的事实核查和反复调整，AI 暂时只能充当打下手的初级文书。

为什么重要

对开发者和企业来说，这项合作最大的看点是 Codex 这类编程智能体的泛化路径。我们认为，OpenAI 展现了一个很聪明的解法：不要把代码智能体局限在修 bug 和写脚本上。只要一个工作流程重度依赖本地文件、多源事实交叉比对和严密逻辑输出，命令行智能体往往比传统聊天窗口好用得多。

从行业和监管竞争来看，这一步切中了美国当前最痛的软肋。无论是建 AI 数据中心、芯片制造厂，还是铺设新能源电网，最大的绊脚石往往不是缺钱，而是卡在各级政府漫长的环境评估周期里。OpenAI 借着 OpenAI for Government 的旗号主动帮能源部清障，既强化了与联邦核心部门的绑定，也顺手给自身耗电巨大的基建扩张扫清潜在阻碍。

不过在我们看来，节约 15% 的起草时间固然可观，但潜在隐患也不容忽视。环境审查稍有漏洞就会引来长达数年的法律诉讼，如果 AI 漏掉了一条过时的生态数据，反而可能招致更大的合规灾难。政府官员敢不敢在 AI 起草的文书上签字，决定了这项技术究竟是提速利器，还是徒增核查负担的鸡肋。