ChatGPT Work 智能体实战,从双端架构到全自动工作流搭建

OpenAI 推出 ChatGPT Work 智能体体系,涵盖云端与本地双端架构及六档推理算力,支持联网沙箱、无头浏览器、持久化存储与原生建站等系统级特权,助力用户从单次问答转向高效搭建全自动软件智能体工作流。

发布于2026年9月14日 11:11
编辑小创
评论0
阅读0

ChatGPT Work 智能体实战,从双端架构到全自动工作流搭建

2026 年 7 月 9 日,OpenAI 正式发布 ChatGPT Work 智能体体系,将原本专属于开发者的 Codex 底层环境全面内置进通用交互界面。表面上看这只是给对话框增加了一批新插件,本质上则是大模型交互范式从“单次问答输出文本”彻底迁移至“拥有完整运行时、能持续自主调度系统资源的软件智能体”。

过去很多用户习惯在对话框里不断追问、微调文字片段。而在 ChatGPT Work 环境下,模型不仅能自主调用沙箱环境、无头浏览器(Headless Chrome)和外部 API,还能在共享文件系统上持续作业数小时,直接输出可交互的动态网页应用、多维分析表格与复合排版文档。掌握这套新工具的核心,在于理清其底层架构并建立适配智能体的工作流思维。

双端形态与算力档位:理清 Work 的运行底座

ChatGPT Work 并非单一功能开关,而是由 Work Cloud(云端)与 Work Local(本地端)构成的双产品架构。云端版直接运行在 OpenAI 托管的集群中,可通过网页与移动端随时唤起;本地端则是原 Codex 桌面客户端的升级版,能够直接访问本地指定目录、调用本机环境运行程序。

付费门槛方面,云端 Work 仅对 20 美元/月及以上的订阅用户开放,免费层和 8 美元档的 Go 用户无法直接调用;桌面端的基础 Chat、Work 与 Codex 功能则向全量套餐(含免费用户)开放不同额度的试用。


┌─────────────────────────┐
│      ChatGPT Work       │
└────────────┬────────────┘
│
┌───────────────┴───────────────┐
▼                               ▼
┌──────────────────┐            ┌──────────────────┐
│    Work Cloud    │            │    Work Local    │
│ ($20/月及以上可用)  │            │ (桌面端/可读本地) │
└─────────┬────────┘            └─────────┬────────┘
│                               │
▼                               ▼
┌─────────────────────────────┐ ┌─────────────────────────────┐
│ 模型: GPT-5.6 (Sol/Luna)    │ │ 模型: 本地绑定与混合推理    │
│ 推理: Light 至 Ultra 六档   │ │ 权限: 本地沙箱与脚本执行    │
│ 特性: 持久化卷/无头浏览器    │ │ 特性: 直读本地文件系统      │
└─────────────────────────────┘ └─────────────────────────────┘

模型算力层面,Work 环境支持 GPT-5.6 Sol、Luna、Terra 以及 GPT-5.5,并提供 Light、Medium、High、Extra High、Max、Ultra 共六个推理强度档位。其中 Ultra 档位专为重型任务设计,会更积极地自主创建并委派子智能体(Sub-agents)并行处理。与 Chat 场景仅提供瞬时推理不同,Work 的计费与调用额度沿用 Codex 体系,任务每消耗一步执行环境与子推理,都会按复杂度扣减相应额度。

核心专有能力:超越传统 Chat 的六大系统级特权

许多用户在上手初期容易混淆 Chat 与 Work 的适用边界。传统 Chat 的 Code Interpreter 仅是临时性的纯 Python 解释器,执行完即销毁。Work 则拥有六项系统级独有特权:


┌─────────────────────────────────────────────────────────────┐
│                    ChatGPT Work 核心特权                    │
├──────────────────────────────┬──────────────────────────────┤
│ 联网代码执行环境              │ 可 clone 仓库/装依赖/调外部 API │
│ 完整无头 Chrome 浏览器        │ 加载网页/填表单/截图/跑 JS     │
│ 持久化共享文件系统            │ /workspace 跨会话保留、多会话共享 │
│ 原生发布 ChatGPT Sites        │ Cloudflare Workers 部署全栈网站 │
│ 子智能体并行协作              │ Sol/Luna/Terra 多代理分工       │
│ 定时任务自动化                │ 按计划/事件触发、监控变化       │
└──────────────────────────────┴──────────────────────────────┘

其中联网代码执行环境是最大亮点:它默认开放所有域名,可让模型 clone GitHub 仓库、安装依赖,再与外部网站和 API 交互,把“能跑代码”升级为“能跑代码并联网”。无头浏览器则能加载网页、填写表单、截图,甚至对 DOM 执行 JavaScript;遇到需要登录的站点,浏览器会提示你接管输入密码和 2FA 验证码,凭据不会经过模型本身,安全性更高。

持久化文件系统与原生建站:把任务做成成品

Work 的每个会话都有独立的 scratch 文件夹(形如 /workspace/scratch/e00a0a017944),且跨会话持久保留。更关键的是,/workspace 卷会挂载到所有正在运行的 Work 会话,一个会话的文件编辑能被其他会话即时看到,适合多步骤、多阶段的复杂项目。

原生建站能力(ChatGPT Sites)则让 Work 能直接构建并部署完整网站,底层基于 Cloudflare Workers,支持 HTML、JavaScript 以及基于 Cloudflare D1 和 R2 的有状态服务端功能。Simon Willison 实测用一句提示词就建了一个展示伦敦“慈悲鹈鹕”地标的站点:

Figure out all of the places in London with a pelican in her piety, then turn that into a JSON file and build a ChatGPT sites site about them

这条提示词展示了 Work 的完整链路:先联网调研、把结果整理成 JSON、再自动建站部署,全程无需手写一行代码。

44 个内置 Skills:开箱即用的能力库

Work 内置了 44 个 Skills,覆盖常见办公与创作场景。Simon 通过让 Work 把全部技能文档导出到网站,梳理出几个高频实用技能:

Skill用途
control-browser浏览器自动化,通过 agent.browsers API 控制页面
documents生成 .docx 文档
imagegen用 image_gen 工具生成图片
pdf读取与渲染 PDF
Spreadsheets操作 .xlsx/.xls/.csv/.tsv 表格
sites:sites-building创建 ChatGPT Sites 站点
data-analytics:build-dashboard构建数据看板

这些 Skills 让 Work 开箱即用,无需额外配置即可处理文档、表格、图片、PDF 等常见任务,是“拿来即用”的能力库。

插件与定时任务:把重复工作交给智能体

Work 支持通过插件连接 Slack、Teams、Google Drive、SharePoint、邮件、日历、CRM 等常用工具。在提示词里用 @ 加应用名,就能直接指定从某个应用拉取上下文,例如“@Slack 汇总本周客户反馈”。

定时任务(Scheduled Tasks)则让 Work 能按计划或事件自动执行:可以每天固定时间更新报表、监控某个网站变化、或在收到新消息时自动生成文档。官方给出的销售场景示例提示词:

Create an automation that monitors for new account activity and updates this site every day at 8am

这条提示词把“监控新客户动态 + 每天 8 点更新站点”两个动作打包成一个自动化任务,是典型的“把重复工作交给智能体”的用法。

上手建议与避坑指南

官方建议:好任务 = 明确的结果 + 少量源材料 + 可审查的输出。给 Work 的提示词要说明四件事——需要的产出、要用的来源或插件、约束条件、以及“好”的标准和何时停下来审查。

避坑要点:第一,别用 Chat 的思维用 Work,Chat 适合要答案、解释、头脑风暴和短草稿,Work 适合有明确结果的完整任务;第二,任务要设边界,例如“只用这些来源”“对比前五个选项”“发送前停下来”;第三,复杂任务会消耗更多额度,应聚焦产出价值而非提示词数量;第四,注意安全——Work 同时具备访问私有数据、接触不可信内容、以及把信息传回外部的能力,敏感任务要谨慎授权。

总结:从问答到智能体工作流

ChatGPT Work 的核心价值,是把大模型从“回答问题”升级为“完成工作”。它拥有联网代码执行、无头浏览器、持久化文件系统、原生建站、子智能体协作和定时任务六大能力,配合 44 个内置 Skills 和插件生态,足以支撑从单次问答到全自动工作流的完整迁移。对创作者和开发者而言,掌握“给 Work 一个明确结果 + 设好边界”的提示词方法,就能把大量重复性工作交给智能体,把精力留给真正需要判断力的部分。

引用来源

  1. OpenAI. ChatGPT is now a partner for your most ambitious work. 2026-07-09. https://openai.com/index/chatgpt-for-your-most-ambitious-work/
  2. OpenAI. Get started with ChatGPT Work official documentation. 2026-08. https://learn.chatgpt.com/docs/get-started-with-work
  3. Simon Willison. Understanding ChatGPT Work and its architecture. 2026-08-30. https://simonwillison.net/2026/Aug/30/understanding-chatgpt-work/
  4. OpenAI. GPT-5.6 system card and multi-agent coordination. 2026-08-12. https://openai.com/index/gpt-5-6-system-card/
  5. Cloudflare. Building and hosting full-stack applications with OpenAI ChatGPT Sites. 2026-08-15. https://blog.cloudflare.com/chatgpt-sites-workers-integration/

相关文章

ChatGPT Work 实测:27 分钟跑通闭环路网到一键部署网站
智能体工程
2026年9月15日
0 条评论
小创

ChatGPT Work 实测:27 分钟跑通闭环路网到一键部署网站

ChatGPT Work 标志着大模型向全托管自主智能体跃迁。其通过云端沙箱、无头浏览器、持久化存储及一键部署四大基础设施,实现从信息检索到网站上线的闭环自动化。系统提供 Cloud 与 Local 双形态及多档推理级别,适配不同任务需求。尽管具备强大自主执行能力,用户仍需警惕上下文压缩、CSP 限制及提示注入等风险。目前该工具仍面临云端与本地环境状态同步未打通的挑战,但已重塑软件工程协作模式。

#智能体#AI工具#ChatGPT
阅读全文
Claude Code 多智能体协作实战指南,从并行子代理到分布式团队的高效落地
智能体工程
2026年9月15日
0 条评论
小创

Claude Code 多智能体协作实战指南,从并行子代理到分布式团队的高效落地

Claude Code 多智能体协作提供 subagents 与 Agent Teams 两种架构。subagents 采用星型拓扑,适合独立任务委派;Agent Teams 为点对点网状结构,支持双向通信与状态共享,适用于复杂并行工作流。实战中需根据任务依赖度选型,并通过 Git worktrees 隔离并发写入冲突。同时应合理配置模型路由以控制成本,规避描述重叠与死锁风险。若缺乏三条以上独立并行流,建议优先使用单会话或 subagents 以提升效率。

#智能体#AI工具#vibe coding
阅读全文
ChatGPT Work 实战,一句话让智能体自主完成复杂地理计算与交付
AI 产品工具
2026年9月15日
0 条评论
小创

ChatGPT Work 实战,一句话让智能体自主完成复杂地理计算与交付

ChatGPT Work 通过联网代码沙盒、Headless Chrome 及持久化文件系统,推动 AI 从问答工具演进为自主执行体。实测显示,智能体可凭单条指令自主调用 API 完成复杂地理计算并交付可视化地图与数据文件。该平台还支持一键建站、子智能体协作及定时任务,适用于实体交付场景。但当前仍存在代码透明度不足、上下文压缩致历史丢失及资源安全策略限制等问题,在生产环境的可复现性仍面临挑战。

#AI工具#智能体#ChatGPT
阅读全文
互动讨论

评论区

围绕《ChatGPT Work 智能体实战,从双端架构到全自动工作流搭建》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。