OpenAI Dots Agent 看起来可爱，但工作方式像企业软件

OpenAI 于 9 月 29 日推出 Dots，将 ChatGPT 变成能在对话结束后持续工作的全天候 agent。OpenAI Dots agent 拥有友好的头像、可自定义的名称，以及足以帮用户订晚餐的访问权限。然而，它的设计、权限机制与早期最强的应用表现，都明确指向工作场景软件。

这种张力之所以重要，是因为面向消费者的 agent 通常靠便利性竞争。Meta 的 Muse 及类似产品承诺提供私人购物顾问、旅行规划师和通用结账助手。相比之下，OpenAI 为其 agent 配备了云端计算机、已连接的应用、可选的本地计算机访问权限，以及类似 IT 管理控制台的控制机制。

当 Dots 遇到开放网络时，这种差异就会变得明显。它可以搜索电子邮件、准备购买事项或浏览服务，但安全检查往往会迫使用户重新接管控制权。若给它一个网站、媒体文件，或由你管理的其他环境，这款产品看起来就会强大得多。

因此，OpenAI 测试的命题远不止自动订晚餐。它希望个人与企业将持续性的职责委托给能够记住上下文、操作应用并交付已完成工作的软件。可爱的角色是邀请函，真正的产品则是一位自主协作伙伴。

OpenAI Dots Agent 可在对话间持续工作

Dots 将 ChatGPT 从提问的目的地，转变为能够持续承担未完成目标责任的执行者。

OpenAI 在旧金山举行的 DevDay 2026 期间推出了 Dots。该公司将 dot 描述为由 GPT-6 Astra 驱动的全天候 agent。agent 是一种能够围绕目标规划并执行多项行动的软件，而不只是生成回复。

每个 dot 都拥有自己的云端计算机。它可以使用网站、运行应用、查阅已连接服务，并在对话间持续推进工作。用户可以查看其活动、调整方向，或在工作进行中将其停止。

这种持久化设计让 Dots 与标准 ChatGPT 会话区分开来。聊天机器人通常等待下一条消息；dot 则可以维持上下文、决定下一步、委派工作，并在需要判断或批准时通知其所有者。

OpenAI 初期为每位符合资格的用户提供一个 dot。该公司表示，计划在未来支持更多 dots，由此形成多个专业化 agent 的可能性：一个可能负责研究，另一个监控项目或维护网站。

该产品正通过桌面端和网页版 ChatGPT 推出。移动端允许用户在可用时与已有 dot 沟通，但初始创建仍需在计算机上完成。当组织启用所需访问权限时，Slack 和 Microsoft Teams 也可以成为沟通渠道。

其界面将 dot 呈现为一个富有亲和力的角色。用户可以选择名称，并通过聊天或语音互动。另一个视图会展示云端计算机，让所有者观察 agent 如何浏览软件和网站。

这种视觉呈现方式与 Meta Muse 相似，但底层定位并不相同。Muse 将 agent 打造成易于接近的私人助手；Dots 则更像由 AI 员工操作的受管理工作站。

这种差异体现在 OpenAI 的企业控制机制中。工作区管理员可以启用或禁用 Dots、已连接应用、云端浏览、网络访问和本地计算机控制。他们还可以决定成员是否能够将 agent 添加到工作场所通信系统中。

企业访问默认处于禁用状态。本地计算机访问和可自定义的操作规则也需要单独授权。根据 OpenAI 的工作区控制机制，启用 agent 并不会自动授予所有已连接服务或计算机能力。

这些设置揭示了 OpenAI 的目标方向。订餐是易于理解的演示，但管理自主软件需要身份、权限、可审计性和政策控制。这些都是企业级需求。

这种持久性也改变了用户提出请求的方式。dot 在接收到职责、相关上下文和明确边界时表现最佳。“持续推进这个项目”比一连串互不关联的小提示更契合其设计。

这接近一种 AI workflow：信息、决策和重复性行动会持续保持关联。agent 能够在这些步骤间携带上下文时，才会真正产生价值。

这正是 Dots 背后的第一个反转。OpenAI 将严肃的委派系统包装成一个可爱的角色。个性让软件更容易接近，但其运行模式属于工作场景。

可爱的头像掩盖了工作场所的运行模式

最重要的对比并非作为公司的 OpenAI 与 Meta，而是受管理的委派与消费者便利性之间的对比。

面向消费者的 agent 推销的是一个简单理念：提出一个结果目标，看着软件跨越多个网站完成操作，然后批准最终交易。购物、预约、旅行规划和个人日程安排是天然的演示场景，因为每个人都理解其中的摩擦。

OpenAI 可以支持这些场景。在一次公司演示中，一个 dot 注意到其用户将工作到晚餐时间。随后，它准备了两个配送选项，包括预估费用，并询问应订购哪份餐食。

这次演示让 agent 显得个性化且主动。然而，OpenAI 为远超一顿饭的职责投入了大量产品架构。Dots 可以使用工作场所应用、保留项目上下文、访问本地机器，并最终在多个 agent 之间拆分工作。

该公司还讨论了面向企业客户的专业 dot。这些 agent 将聚焦于会计、营销或法律分析等明确领域。专业化结构意味着组织将按职责分配工作、评估输出，并按角色治理访问权限。

这更像劳动力管理模式，而非购物助手。agent 需要工作定义、资源、权限、升级规则和监督。其所有者则成为决定哪些事项可自动推进的管理者。

OpenAI CEO Sam Altman 将 Dots 描述为电影中想象的那类 AI 助手。DevDay 报道也将 Meta 的 Muse 定位为其显而易见的竞争对手。然而，这些产品在采用路径上做出了不同的初始押注。

Meta 的方法强调广泛熟悉度与个人辅助。OpenAI 则从已经愿意监督复杂 AI 工作的用户和组织开始。这让 Dots 的切入点更窄，但可能承担更深入的职责。

推出方式强化了这一选择。访问资格集中于符合条件的专业和商业用户，企业参与则由管理员控制。Dots 初期并未被定位为每一位普通 ChatGPT 用户都可使用的通用功能。

即使不考虑任何具体订阅价格，这种门槛也很重要。只有当完成的工作值得连接服务、设置权限、审查活动和纠正错误所付出的努力时，agent 才会有用。专业工作流更有机会跨越这一价值门槛。

刷新网站可能耗费一个下午。合并并格式化多个视频文件可能需要陌生的软件。在内部来源间研究一个项目，可能产生数小时重复性工作。成功委派这些工作时，能够创造可衡量的价值。

订晚餐的价值上限较低。节省几分钟固然有用，但一次安全验证或登录失败就可能抵消其收益。必须反复接手救场的人，或许会回到普通应用。

消费者和企业路线还面临不同的商业压力。大众市场助手必须触达大量用户，并找到可持续的商业模式。工作场所 agent 则可以通过完成项目、减少延误或扩展产能来证明自身价值。

两条路线都无法保证可靠表现。企业环境包含敏感信息和后果重大的操作。其结构化软件可能有助于 agent 运作，但错误也可能带来更大代价。

OpenAI 似乎押注于，治理能够让更广泛的访问变得可接受。管理员可以限制能力，用户则可以为受支持的操作定义自定义规则。敏感步骤可以触发批准，或要求用户接管。

这带来的体验不如完全自主那样神奇。但它也反映了组织采用新型运营软件的方式。企业通常希望获得逐步授予的权限、可见的日志，以及停止流程的手段。

可爱的头像缓和了这种管理现实。它鼓励对话，让委派感觉不像是在配置自动化服务器。然而，agent 的实用性仍取决于谨慎的设置。

因此，Dots 给市场两端都带来压力。消费者 agent 必须证明，当网站抵制自动化时，便利性仍然有价值。企业平台则必须让控制机制易于使用，而不把每项任务都变成合规项目。

OpenAI 最强的优势或许在于连接这两个世界。同一个 agent 可以接收随意的语音指令、搜索业务上下文、操作软件，并向手机发送进度更新。这种连续性比头像更重要。

订晚餐暴露了浏览器 agent 的局限

开放网络对自主 agent 仍是充满敌意的领域，尤其当身份、支付与反机器人系统进入任务时。

The Verge 的实测说明了这一问题。评测者要求 Dot 安排家庭互联网安装服务。该 agent 搜索电子邮件、找回促销优惠，并完成了注册流程的大部分步骤。

随后，它遇到了一项要求持续按住鼠标的人机验证控件。Dot 报告称，其浏览器工具无法完成该交互。用户必须接管控制权，agent 才能继续。

在支付环节，流程又触及另一条边界。Dot 要求评测者在虚拟浏览器中输入敏感的银行信息。评测者拒绝，并在其他地方完成了任务。

这种反应是理性的。自主浏览器结合了广泛访问权限与并不完美的判断能力。用户必须决定，便利性是否值得承担有关存储上下文、已连接账户和不可逆操作的不确定性。

其他个人任务也产生了类似摩擦。Dot 未能找到免费的共享办公试用机会，转而提供了付费日票。据报道，一款竞争 agent 找到了正确选项并安排了访问。

Dot 在尝试登录 Ikea 账户时还陷入了安全循环。餐厅订餐页面则拦截了其云端浏览器。这些失败表明，浏览器身份验证与反自动化系统仍是核心制约因素。

这些失败并不意味着 agent 缺乏推理能力。Dot 往往能够识别目标并抵达相关服务。问题出现在外部网站要求证明人类存在，或抵制云端浏览器流量的环节。

这种差异至关重要。仅靠模型能力提升无法解决所有障碍。Agent 开发者还需要可靠的身份验证、获批集成、支付机制，以及服务提供商的配合。

网站有充分理由对自动化流量提出挑战。机器人可能滥用促销活动、批量创建账户、抓取数据、测试被盗凭据，或挤占有限库存。从网站的角度看，一个强大的 Agent 可能与恶意自动化行为无异。

但过度封锁也会造成割裂的用户体验。Agent 可能完成前九步，却在第十步失败。用户随后必须理解 Agent 当前所处的状态，接管操作，并避免重复执行某项动作。

实测体验显示，Dots 比一些面向消费者的竞争产品需要更多人工介入。这一结果支持了其企业定位的解读，因为受控环境能够减少这些外部障碍。

在企业自有网站、本地计算机或获准连接的应用中，Agent 的权限边界更清晰。它会遇到更少的反机器人挑战，也能基于用户明确提供的数据开展工作。

在同一测试中，当 Dot 获得评测者个人网站的访问权限后，表现更为有效。评测者通过语音描述所需修改，然后离开，由 Agent 制作出另一个版本。

Dot 还将多份桌面视频文件合成为适合社交媒体发布的短片。在获得广泛权限后，它完成了网站更新部署。这些任务产出了可用结果，对充满敌意的第三方网站依赖更少。

这种对比解释了该产品的特性。Dots 不只是一个通用浏览器机器人。它更接近面向通用知识工作的 Codex，尤其适合用户掌控文件、工具和交付目标的场景。

这种定位并不排除消费者价值。在获得账户访问方面的协助后，Dot 最终还是为评测者订好了餐。当用户接受偶尔需要人工交接时，它仍能连接个人与专业任务。

不过，晚餐这个例子不应成为评判整个平台的标准。商业交易带来了专门的集成问题，与文档工作、软件操作或项目研究并不相同。

更好的测试是：Agent 能否对一项有意义的成果负责？它能否在收到反馈后更新网站？能否准备一套研究材料并识别缺失证据？能否监控项目而不重复已完成的工作？

这些场景对持久上下文的依赖，超过了对结账流程优化的依赖。它们也契合 OpenAI 更广泛的战略：让 ChatGPT 成为工作可以被委派、审阅和持续推进的场所。

对用户而言，启示很实际。与其交给 dot 一项不受限制的购买任务，不如先在受信任的环境中分配一个边界明确的项目，作为更好的初次测试。可靠性应先于权限扩张。

权限才是产品，而非行政负担

只有当用户明白它记住什么、能在哪里行动，以及哪些决策仍由人类掌控时，一个持续运行的 Agent 才会真正有用。

Dots 可以访问异常敏感的上下文。已连接的应用可能暴露通信记录、日历、文档、联系人和账户活动。本地计算机访问还可将这一范围延伸至个人机器上的文件和命令。

持久性同时增加了价值与风险。一个 dot 可以记住足够的上下文，在无需反复解释的情况下持续推进项目。同一份记忆也可能保留用户之后希望删除的信息。

OpenAI 表示，用户目前无法查看、编辑或删除 dot 上下文中的单个项目。删除 dot 会移除其自身上下文，但单独存储的对话、文件和 Codex 线程仍会保留。

断开外部服务会停止新的访问权限，但不会自动删除已经纳入 dot 上下文的信息。用户在连接大规模档案前，应重视这一行为。

数据处理方式也因账户类型和设置而异。OpenAI 表示，默认不会使用 Business、Enterprise 或 Edu 工作区数据来训练模型。个人账户则取决于用户的模型改进设置。

公司的隐私指引称，在与安全相关的情况下，仍可能发生有限的人为审查。用户应在将机密材料放入 Agent 的工作上下文前阅读这些控制选项。

操作权限又增加了一层考量。一些敏感操作需要批准，而最重要的操作则可能要求用户接管。自定义规则允许用户设定支持的边界，但无法关闭核心安全防护。

OpenAI 还会在某些计划操作之前使用自动化审查系统。例如，它可以根据用户的指示检查电子邮件收件人和内容。这旨在发送前捕捉非预期的信息披露。

这些检查必不可少，因为 Agent 同时会解读用户命令和外部内容。恶意网页或文档可能包含提示注入，即旨在重定向 Agent 或诱导其泄露信息的指令。

OpenAI 表示，Dots 的设计目标是区分外部内容与获得授权的用户指令。工具限制、批准机制、监控和自动化审查提供了额外防线。该公司也承认，这些保护措施无法消除每一种错误。

这正是与工作场所软件比较最重要的地方。传统生产力软件通常在人按下按钮时才执行操作。Agent 会选择并安排操作顺序，因此权限不能再只是简单的是或否开关。

相关问题变成了条件性授权。用户可能允许创建草稿，但要求在发布前获得批准；他们可能允许分析日历，却禁止向客户发送消息。

组织需要更精细的区分。营销 Agent 可以读取营销活动文件，却不应访问薪资记录；财务 Agent 可以准备报告，却无权转移资金或更改账户凭据。

与无摩擦的消费者助手相比，这些控制可能让 Dots 显得繁琐。但它们也为严肃的委派奠定基础。当软件触及运营系统时，企业不能依赖个性或善意。

可审计性出于同样的原因也很重要。Activity View 让用户检查当前及已委派的任务、查看状态、补充上下文、纠正误解或停止工作。可见性让自主性更接近受监督的运营。

难点在于让这种监督高效。如果用户必须批准每一次常规点击，Agent 就会沦为遥控式自动化；如果他们批准得太多，一次错误理解就可能蔓延至多个系统。

因此，OpenAI 必须证明其默认边界适合真实工作。自定义不应成为获得基本安全性的前提。人们经常接受默认设置，尤其是在并不理解每项已连接服务的时候。

该产品还需要更清晰的记忆管理。删除整个 dot 是针对一条不需要的细节的粗放回应。细粒度的检查和删除功能将让用户对持久上下文拥有更多控制权。

信任将通过可预测的行为增长，而非越来越拟人化的呈现。友好的名称可以鼓励互动，但它无法回答数据流向何处，或 Agent 能撤销什么操作。

评估 Dots 的团队应从低风险、可恢复的工作开始。草稿、研究、文件整理和内部原型都是有价值的测试。账户变更、对外发布和财务操作则应接受更严格审查。

这种方法类似于构建一个AI 知识库。访问规则和来源边界决定了基于存储上下文生成的每一项回答或行动的可靠性。

因此，对 Dots 持怀疑态度的理由并不是 Agent 永远无法发挥作用，而是其价值可能依赖于用户觉得令人疲惫的权限设置，以及他们尚无法精确管理的上下文控制。

OpenAI 正在将 ChatGPT 变成工作层

Dots 让 OpenAI 同时与生产力平台、自动化供应商和消费者助手展开竞争。

ChatGPT 起初是一个对话界面。Dots 正将它推向一个连接目标、上下文、应用与执行的操作层。这种扩张改变了 OpenAI 所施加压力的对象。

Meta Muse 是最显眼的消费者对比对象。两款产品都使用亲和的角色，接受宽泛请求，并跨服务运行。Muse 强调个人便利，而 Dots 最初强调持续性工作。

Microsoft、Google、Salesforce 及其他企业软件公司也都有战略理由作出回应。它们的应用已经包含组织数据、权限和工作流，能够在员工已在使用的工作环境中嵌入 Agent。

OpenAI 则从相反方向切入。它拥有一个广泛使用的 AI 界面，并希望向外连接业务系统。Dots 成为跨越这些系统、承载上下文的持久身份。

这引发了对主要工作界面的争夺。如果用户通过自己的 dot 启动项目，单独的应用可能会成为后台资源；如果平台供应商将 Agent 留在各自套件内部，ChatGPT 就仍只是众多工具之一。

OpenAI 正在为两种可能性做准备。Dots 可以通过 Slack 和 Microsoft Teams 进行通信，而企业管理员仍保留访问控制权。该公司还讨论了与 Microsoft Agent 管理系统的集成。

长期愿景包括 dot 团队。这一想法提高了赌注，因为组织将管理 Agent 组合，而非单个助手。Agent 可以专业分工、交换工作，并将决策上报给人类。

这种模式类似于以软件形式呈现的组织架构图。它需要明确的所有权、共享上下文、绩效评估和冲突解决机制。多个 Agent 既可能放大生产力，也可能同样放大混乱。

OpenAI 的早期可用性策略为其提供了一个受控环境来研究这些问题。专业用户通常拥有具体项目，也更有动力容忍配置过程。企业管理员可以在 beta 阶段限制暴露范围。

不断增长的 Agent 使用证据也支持这一时机。OpenAI 报告称，截至 2026 年 6 月，企业客户中由 Codex 和 ChatGPT 合计产生的输出 token 里，Agent 活动占 64%。该公司使用 Codex 活动来定义这一指标，因此不应将其视为独立的市场数据。

尽管如此，这一数字说明了 OpenAI 为何扩展 Codex 模式。编程 Agent 证明，当输出可以被检查和修正时，用户愿意委派多步骤工作。Dots 试图将这一模式应用到软件开发之外。

The Verge 将 Dots 描述为“面向普通人的 Codex”，准确捕捉了这一战略。代码拥有结构化文件、工具、测试和版本控制；通用知识工作缺少其中许多保障。

Dots 必须通过权限、活动日志、批准机制和已连接应用重建足够的结构。它最强的任务很可能是那些输入清晰、输出可审阅的任务。

这包括构建原型、编辑媒体、组织研究材料，或维护一个受控的网站资产。模糊的购买决策和充满对抗性的网站仍然更难处理。

因此，竞争问题并不是哪个 Agent 看起来最友好，而是哪家公司能够打造从意图到可审查结果之间最可靠的路径。

Meta 可以利用消费者覆盖范围和个人上下文。职场软件供应商可以利用嵌入式数据和既有权限。OpenAI 则可以将通用 AI 界面与日益强大的模型及计算机控制能力结合起来。

每种定位都有取舍。消费者规模并不会自动带来职场信任。既有的企业分发渠道也无法保证形成连贯的跨应用助手。模型能力并不能消除集成障碍。

Dots 为 OpenAI 提供了一条可信的入局路径，但也让该公司面临更高期待。聊天机器人在一次可丢弃的回答中出错，影响或许有限；持续运行的智能体则可能做出错误修改、联系错误的人，或保留用户不希望留下的上下文。

因此，质量标准必须涵盖执行、恢复和治理。语言生成基准无法衡量任务是否始终处于授权范围内，也无法判断错误是否可逆。

这正是早期上手证据如此重要的原因。成功完成的网站和视频任务展示了有价值的能力；受阻的购买流程和反复出现的登录循环，则揭示了引人注目的模型能力与可靠服务交付之间的运营差距。

如果用户能持续通过 Dots 完成此前搁置的工作，OpenAI 的优势将得到加强。若该智能体大多只是制造了另一个需要监督的队列，这一优势就会减弱。

三个信号将揭示 Dots 能否成为同事

下一阶段应以已完成的职责、更少的救场时刻，以及对持久上下文更好的控制来衡量。

第一个信号，是无需计划外干预便能成功完成任务的比例。OpenAI 尚未公布 Dots 的广泛任务完成率。随着更多用户测试经常性项目，其现实世界的可靠性会变得更清晰。

一个有用的衡量指标应区分预先计划的审批与失败。在发送外部消息前征求确认是恰当的；陷入安全验证、丢失任务状态，或选错优惠方案，则反映了另一类问题。

更少接管浏览器的需求，将加强 OpenAI 关于 Dots 能承担日常职责的说法。持续依赖人工救场，则会使产品继续聚焦于受控的职场环境。

第二个信号，是有限试点之外的企业部署。管理员需要证据证明，权限、已连接服务、日志和审批规则能够在不过度配置的情况下支持真实团队。

应关注各组织是否为 dots 分配稳定职责，而非仅进行一次性演示。在研究、运营、媒体制作或内部报告中反复使用，将支持“同事”这一论点。

还应关注 OpenAI 如何管理专业化 dots。清晰的角色边界和可衡量的产出，会让多个智能体更易于治理；具有重叠访问权限的模糊人格，则会增加运营风险。

第三个信号，是记忆和安全控制方面的进展。用户目前需要更清楚地了解持久上下文包含哪些内容。细粒度的审查、修正和删除功能，将使长期委托更值得信任。

安全表现同样重要。Dots 在浏览时会遇到恶意指令、网络钓鱼尝试和误导性内容。OpenAI 的防护措施必须经受住这些情况，同时不能过于频繁地阻碍正常工作。

独立测试将不可或缺，因为该公司自己的演示无法代表所有环境。WIRED 的智能体概览恰当地强调了连接应用的实用性，以及共享广泛个人上下文的风险。

如果这三个信号同步改善，Dots 就能成为不止于一场吸引人的 DevDay 演示。可靠完成任务能够创造价值。企业采用验证了这种工作模式。更好的记忆与安全控制，则让持续使用具备合理性。

如果只有能力提升，信任或许仍将是限制因素。如果只有控制措施改善，产品可能显得过于受限。OpenAI 需要让自主性与监督能力同步发展。

对于知识工作者而言，合理的下一步并不是交出整个数字生活。请选择一项边界明确的职责：输入清晰、结果可审查、操作可恢复。然后记录 OpenAI Dots 智能体正确完成任务、请求合理审批或需要救场的频率。

这项测试回答了可爱头像背后的问题：Dots 是又一个只会给出建议的助手，还是能够真正承担部分工作的软件？订晚餐是一个令人难忘的演示，但可靠的委托能力将决定这款产品的未来。