解读ChatGPT Work：面向十亿用户的智能体
本文深入解析OpenAI于2026年发布的ChatGPT Work，探讨其作为知识工作智能体的核心机制、设计选择与潜在影响，并展望其未来发展方向。
解读ChatGPT Work：面向十亿用户的智能体本文从外部视角重构了新版ChatGPT Work中记忆、主动性、日程安排、浏览器使用、插件、技能和工具的工作方式。编者按：我很高兴欢迎Shlok加入我们的客座文章行列！
您可能通过Shlok对领先AI实验室记忆系统的出色探索而认识他（作为外部人士——如需内部视角，请参阅我们与OpenAI的Akshay Nathan的播客，这已成为我们今年最受欢迎的节目之一！）。
他在AIE上就此主题发表了精彩的演讲。自2023年的Plugins、2024年的Devday和2025年的Codex以来，我们一直在报道OpenAI的研究及其向全人类部署智能体的进展，而2026年的ChatGPT Work似乎是这漫长旅程的倒数第二阶段。
让我们深入探讨！7月9日，OpenAI发布了ChatGPT Work，这是他们面向知识工作的智能体产品。无论以何种标准衡量，这都是一次繁忙的发布：三个新模型涵盖十四种配置，ChatGPT和Codex桌面应用整合，以及云智能体以迄今最易用的形式进入主流。
据报道，三周内，Work（连同Codex）用户已突破1000万。编者按：ChatGPT预计在6月突破10亿月活，本月突破10亿周活。目前，Chat和Work作为ChatGPT内的独立模式并存，但Greg Brockman已确认它们将在年底前合并。
因此，Work不仅是面向高级用户的小众产品，更是ChatGPT十亿周活用户即将如何使用该应用的预览。这就是OpenAI内外人士对它如此兴奋的原因，也是它值得仔细审视的原因。当前形式的Work需要一些解读。
它是ChatGPT（聊天形式）、Codex应用、Codex harness、Codex原始云智能体、ChatGPT智能体、Atlas、OpenClaw等的融合。围绕它的产品线令人困惑。而且网页和移动版本与桌面版本有所不同（除非你在云模式下运行？
）。所以，我花了几天时间试图解开它：Work是什么，它在OpenAI产品线中的位置，其设计中的许多有趣选择，底层的张力，以及我认为它未来的走向。以下大部分内容来自Codex和我在Work内部的探索，我在整个过程中链接了这些对话，以便你可以看到每个说法的来源。
什么是Work？其核心是：一个面向知识工作的智能体。你将它连接到你已经工作的地方——Slack、电子邮件、Drive、日历、CRM、项目跟踪器和数百个其他插件——它会在所有这些地方收集上下文，以产出完成的工作。
它运行在Codex harness上，因此继承了相同的模型、子智能体、浏览器使用以及长时间处理任务的能力。它的用户界面剥离了那些会暴露你正在与编码智能体对话的证据（如git控件、差异追踪）。它生活在一台云计算机中。
具体来说，是一个强大的、隔离的微型虚拟机：Pro账户获得8个CPU、20GB内存和64GB磁盘；Plus获得14GB内存。除了虚拟机，Work还获得一个托管Chrome服务，智能体通过工具调用操作该服务。
它产出工件。表格、文档和幻灯片在交互式查看器中呈现，还有Sites：它可以构建、通过URL共享并保持更新的托管Web应用和仪表板。Work中的每个新对话都称为任务。在网页和移动端，Work在云端运行。
你可以在网页上启动任务，在手机上的ChatGPT应用中跟踪进度并给出指示，然后在笔记本电脑上查看结果（可能是报告或电子表格）。桌面应用上的Work略有不同，有两种模式：云和本地。在云模式下，任务与网页和移动端在同一云计算机上运行，并在三者间同步。
在本地模式下，智能体直接在你的机器上工作，跨文件和应用程序，具有完整的计算机使用能力。这些任务不会出现在网页或移动端，目前也无法将本地任务转移到云端。这使得本地模式本质上是Codex，但去掉了那些会吓跑非开发者的代码相关UI痕迹。
在桌面上，每个新的Work任务可以在你的计算机上本地运行，也可以在云端运行。但接下来事情变得有点混乱。OpenAI确实发布了一种将Codex任务移交给远程环境的方法。
尽管在撰写本文时，这对我来说还不起作用，但我认为它最终会起作用，然后他们会将相同的功能带到Work中。对于本文的其余部分，Work = 云模式下的Work。持久性与记忆OpenClaw感觉与聊天机器人不同的一个重要原因是智能体拥有自己的计算机。
你可以在常开的笔记本电脑或VPS上运行它，让它创建目录、安装软件和维护数据库，并在对话和子智能体之间重用所有这些。它的状态不仅存在于聊天历史、Markdown文件或专用记忆系统中，而是遍布整个计算机。
Work的云计算机也是持久的。但它的工作空间并非在一个永远在线的虚拟机中运行，而是同步到持久存储，并根据需要恢复到隔离的微型虚拟机上。因此底层机器可以变化，但工作状态会延续。不过，与OpenClaw相比，智能体对这台计算机的主权要小得多。
每个Work任务（线程）在/workspace/scratch下获得一个工作目录，智能体在其中拥有普通计算机的自由：它可以创建文件夹、安装依赖项、编写脚本、保留数据库，并使用普通Linux命令搜索所有内容。
当我要求它为Acme制作演示文稿时，它可以创建clients/acme，复制源材料，通过代码执行一些分析，并创建图表和幻灯片，所有这些都作为目录中的文件。
当我在同一线程中跟进时，它会返回到该工作状态并继续编辑。但当任务需要来自其他线程的上下文时，它不会将它们的工作目录视为可以自由导航的共享工作空间。相反，它依赖ChatGPT产品层。默认情况下，每个新线程都会收到最近任务和文件的压缩摘要。
摘要可能如下：20260731T15:55 准备Acme试点计划：||||将附带的笔记变成Acme试点的一页计划，包含目标、截止日期和下一步。<<文件名为“acme_notes.txt”>>原始对话记录不会存储在计算机上供智能体浏览。
当任务需要来自先前线程的上下文时，智能体会调用Personal Context，这是一个专用工具，通过单独管理的服务查询Chat和Work历史记录，并返回相关摘录。文件遵循相同的模式。ChatGPT的Library是所有文件和工件的面向用户的中央存储库。
用户上传自动进入那里；智能体创建的文件在用户要求时或智能体判断值得保留时保存。智能体还可以在Library中创建目录以保持组织性。与对话一样，Library不存储在计算机上，只能通过专用工具访问。
因此，上传的文件存在于两个地方：线程内的工作副本和Library中的规范项。有趣的是，两者并不同步。
如果线程A上传了一个文件，而线程B后来更改了Library版本，线程A在恢复时会继续读取其现已过时的本地副本。当明确指示时，一个任务中的智能体可以导航其他任务的scratch目录，查找文件并修改它们。
但它不会自行这样做，而且目录名称不透明，没有清晰的对话映射，也没有明确的保留契约。记忆也在外部管理。正如我之前所写，ChatGPT的核心记忆原语是一个运行中的、综合的用户画像。产品异步维护它，并在任务开始时提供给Work。
智能体可以从中推理，但不能修改它，也不能创建其他任务默认加载的OpenClaw风格Markdown文件。ChatGPT的Projects会延续到Work中。Projects将相关对话、常设指令和Sourc