OpenAI 的 ChatGPT Work 發佈與與 Codex 共享的代理架構

TL;DR

OpenAI 發佈了 ChatGPT Work，旨在將 Codex 的代理能力帶給知識工作者，透過共享架構將兩種體驗融合在一起，使用戶無需在介面之間做出選擇。該產品提供持久性電腦、Artifacts、Sites、記憶功能和子代理（sub‑agents），同時團隊認為，隨著開發變得更加容易，想法與品味將成為瓶頸，進步必須以「高品質的實踐」（quality at‑bats）而非單純的動作量來衡量。

為何 Codex 在 OpenAI 的非開發者中傳開

Akshay 觀察到，在 Codex 內部發佈後，策略財務和行銷等非開發者團隊開始使用它，並對此感到自豪。他引用了一種常見的反應：「感覺我不應該使用它，但我正在使用它。」用戶將這種體驗描述為獲得了一種新的超能力，這標誌著代理的實用性已超越了軟體工程師的範疇。

ChatGPT Work 背後的產品洞察

這一洞察源於看到 Codex 在不同角色中的採用情況，並意識到代理的力量應該讓現有的 ChatGPT 用戶群能夠使用，而無需強迫他們切換分頁或學習一個獨立的產品。目標是將相同的功能引入 ChatGPT 介面，讓任何從事工作相關任務的人都能在他們已經使用的場所獲取這些功能。

共享代理架構與 UX 差異

Akshay 確認，底層架構——即允許代理使用 plugins、computer use、artifacts 和 sandboxing 的功能集——在 Codex 和 ChatGPT Work 中是相同的。為知識工作所做的改進（更好的 plugin 支援、computer use、artifact 品質）在兩種模式中皆可用。差異在於主觀的 UX 選擇：在 Codex 模式下，UI 預設顯示 Git diffs 和 repo 狀態，而在 Work 模式下，這些細節被隱藏以減少雜亂。Sandboxing 的預設值也不同，但核心功能保持不變。

為何 OpenAI 融合了這些體驗

團隊將 Codex 和 ChatGPT Work 融合在一起，是因為 AI 正在模糊工程、設計、策略和營運之間的界限。Akshay 主張，根據職稱劃定硬性界限會限制用戶，而統一的體驗讓人們可以在編寫程式碼、創建 artifacts 和在 Sites 上協作之間流暢移動，而無需決定他們處於哪種「模式」。共享的原語（plugins、computer、file system）實現了這種流動性。

給進階用戶的模型配置建議

OpenAI 選擇了一個其認為對大多數用戶效果最好的預設模型配置。Akshay 建議大多數人應堅持使用預設值，只有在發現效率或品質不足時才進行更改。對於進階用戶，提供了增加推理能力（Ultra）、使用多代理設置或調整以犧牲速度換取徹底性的目標滑桿等選項。他指出，預設配置對於大多數使用場景來說已經足夠好。

Artifacts、代理式試算表與 Sites

發佈的一個主要推動力是提高 artifact 品質——讓試算表、文件和其他輸出具有足夠高的保真度，以便與同事分享。Akshay 展示了一個看起來像 Excel 但不需要授權的退休金計算器試算表。他還強調了 Sites 是一個靈活的託管網頁，可以取代簡報、試算表和傳統報告，因為它可以渲染任何 HTML 並支援即時協作。團隊已經開始使用 Sites 來製作月報，而不是使用投影片。

持久性電腦環境與個人代理

受內部 OpenClaw 實驗的啟發，ChatGPT Work 提供持久的檔案系統和排程任務，以便代理可以跨會話繼續工作。Akshay 描述了他的妻子如何使用 OpenClaw 管理家庭日曆，以及類似的工作流現在如何出現在 ChatGPT Work 中，用於飲食規劃、健身追蹤和財務預算。代理可以隨時間引用儲存的檔案，實現融合工作與生活的個人生產力使用場景。

子代理與 Ultra 模式

產品會顯示何時使用了子代理，但 UI 預設隱藏細節以避免讓用戶感到不知所措。Akshay 解釋了其中的權衡：顯示子代理的工作可以提供透明度但可能造成干擾，而隱藏它則能保持介面簡潔。進階用戶可以展開視圖以查看子代理正在做什麼，引導它們使用較便宜的模型，或檢查成本與延遲的權衡。Ultra 模式和多代理設置保留給高度可並行化或需要深度探索的任務。

記憶與個人化

ChatGPT Work 繼承了 ChatGPT 的 V3 記憶系統，允許代理回想過去的互動並寫回記憶。Akshay 指出，記憶感覺很個人化，並能幫助代理主動呈現相關的上下文。他還提到了 Chronicle，這是一個實驗性功能，透過記錄電腦使用情況，利用來自 Slack、文件和本地檔案的洞察來豐富記憶，儘管它預設並未啟用。

對產品開發與團隊角色的影響

Akshay 反思道，AI 已經瓦解了產品管理、工程、設計和營運之間的傳統界限，使得個人更容易作為具備專業領域的通才來行動。他主張，隨著幾乎任何人都能進行開發，瓶頸轉移到了想法與品味，而 LLMs 在遵循「給我新想法」這類指令方面仍有困難。因此，衡量生產力必須從 commits、tokens 或 pull requests 等代理指標，轉向「高品質的實踐」——即從想法到開發、再到回饋、最後到驗證的重複能力。他警告不要將「動作量」（增加的活動）與「真正的進步」混為一談，敦促團隊對對他們而言什麼才是進步保持審慎態度。

結語

隨著 ChatGPT Work 和 Codex 總計一千萬名用戶，Akshay 將此次發佈視為實現「將實用的代理帶給每個人」這一長期願景的巔峰。他預期下一階段將涉及擴展到一億名用戶，並繼續精煉簡潔性與功能性之間的平衡，確保預設體驗保持強大，同時為有需要的人保留進階選項。