OpenAI 的 ChatGPT Work 发布及其与 Codex 的共享 Agent Harness

TL;DR

OpenAI 推出了 ChatGPT Work，旨在将 Codex 的 Agent 能力带给知识工作者，通过共享的 harness 将两种体验融合在一起，使用户无需在界面之间进行选择。该产品提供了持久化计算机、artifacts、Sites、记忆和子 Agent，同时团队认为，随着构建变得更加容易，创意和品味将成为瓶颈，进步必须通过高质量的“at-bats”（实战机会）而非单纯的运动量来衡量。

为什么 Codex 在 OpenAI 的非开发人员中传播

Akshay 观察到，在 Codex 内部发布后，战略财务和市场营销等非开发团队开始使用它，并为此感到自豪。他引用了一种常见的反应：“感觉我不应该使用它，但我确实在用。”用户将这种体验描述为获得了一种新的超能力，这标志着 Agent 的实用性已扩展到软件工程师之外。

ChatGPT Work 背后的产品洞察

这一洞察源于看到 Codex 在不同角色中的应用，并意识到 Agent 的能力应该提供给现有的 ChatGPT 用户群，而无需强迫他们切换标签页或学习一个单独的产品。目标是将相同的功能引入 ChatGPT 界面，以便任何从事工作相关任务的人都能在他们已经使用的场所访问这些功能。

共享 Agent Harness 与 UX 差异

Akshay 确认，底层的 harness——即允许 Agent 使用 plugins、computer use、artifacts 和 sandboxing 的能力集——在 Codex 和 ChatGPT Work 中是完全相同的。为知识工作所做的改进（更好的 plugin 支持、computer use、artifact 质量）在两种模式中均可用。差异在于有主见的 UX 选择：在 Codex 模式下，UI 默认显示 Git diffs 和 repo 状态，而在 Work 模式下，这些细节会被隐藏以减少杂乱。Sandboxing 默认设置也有所不同，但核心能力保持不变。

为什么 OpenAI 合并了这些体验

团队合并 Codex 和 ChatGPT Work 是因为 AI 正在模糊工程、设计、战略和运营之间的界限。Akshay 认为，基于职位头衔划定硬性界限会限制用户，而统一的体验让人们可以在编写代码、创建 artifacts 和在 Sites 上协作之间流畅移动，而无需决定他们处于哪种“模式”。共享的 primitives（plugins、computer、file system）实现了这种流动性。

面向高级用户的模型配置建议

OpenAI 选择了一个它认为对大多数用户效果最好的默认模型配置。Akshay 建议大多数人应坚持使用默认设置，只有在发现效率或质量不足时才进行更改。对于高级用户，提供了增加推理能力（Ultra）、使用多 Agent 设置或调整以牺牲速度换取彻底性的目标滑动条等选项。他指出，默认设置对于大多数用例来说已经足够好。

Artifacts、Agentic Spreadsheets 和 Sites

发布的一个主要推动力是提高 artifact 的质量——使电子表格、文档和其他输出具有足够高的保真度，以便与同事分享。Akshay 展示了一个看起来像 Excel 但不需要许可证的退休计算器电子表格。他还强调了 Sites 是一个灵活的托管网页，可以取代演示文稿、电子表格和传统报告，因为它能渲染任何 HTML 并支持实时协作。团队已经在将 Sites 用于月度报告，而不是幻灯片演示。

持久化计算机环境与个人 Agent

受内部 OpenClaw 实验的启发，ChatGPT Work 提供了一个持久的文件系统和计划任务，以便 Agent 可以跨会话继续工作。Akshay 描述了他的妻子如何使用 OpenClaw 管理家庭日历，以及类似的流程现在如何出现在 ChatGPT Work 中用于饮食规划、健身追踪和财务预算。Agent 可以随着时间的推移引用存储的文件，从而实现融合工作与生活的个人生产力用例。

子 Agent 与 Ultra 模式

产品会显示何时使用了子 Agent，但 UI 默认隐藏了这些细节以避免让用户感到负担过重。Akshay 解释了其中的权衡：显示子 Agent 的工作可以提供透明度但可能会产生噪音，而隐藏它则能保持界面简洁。高级用户可以展开视图查看子 Agent 正在做什么，引导它们使用更便宜的模型，或检查成本和延迟的权衡。Ultra 模式和多 Agent 设置是为高度可并行化或需要深度探索的任务保留的。

记忆与个性化

ChatGPT Work 继承了 ChatGPT 的 V3 记忆系统，允许 Agent 回忆过去的交互并写回记忆。Akshay 指出，记忆感觉很私人化，并能帮助 Agent 主动呈现相关的上下文。他还提到了 Chronicle，这是一个实验性功能，通过记录计算机使用情况，利用来自 Slack、文档和本地文件的见识来丰富记忆，尽管它默认并未启用。

对产品开发和团队角色的影响

Akshay 反思道，AI 已经瓦解了产品管理、工程、设计和运营之间的传统界限，使得个人更容易作为具有专业特长的通才（generalists with a specialty）行动。他认为，随着几乎任何人都能进行构建，瓶颈转向了创意和品味，而 LLMs 在遵循“给我带来新创意”这类指令方面仍有困难。因此，衡量生产力必须从 commits、tokens 或 pull requests 等代理指标转向“高质量的 at-bats”——即从创意到构建、再到反馈、最后到验证的重复能力。他警告不要将“运动量”（增加的活动量）与真正的进步混为一谈，敦促团队对“进步”的定义保持审慎。

结语

随着 ChatGPT Work 和 Codex 的总用户数达到一千万，Akshay 将此次发布视为实现“将实用的 Agent 带给每个人”这一长期愿景的巅峰。他预计下一阶段将涉及扩展到一亿用户，并继续完善简洁性与能力之间的平衡，确保默认体验保持强大，同时为需要的人保留高级选项。