目录
对于跨已连接服务的持续性工作,可以使用dots;使用Codex时,则应先设定明确的目标和可衡量的完成条件。2026年10月20日举办的OpenAI DevDay Exchange Tokyo上的演示表明,这两种方式都能在由人负责审核的同时推进工作。
要点#
- dots可以按计划或在受支持服务更新时触发云端任务,也能在工作过程中接受新指令。
- Codex的
/goal让智能体能够在预算和其他停止条件的范围内,持续朝着既定成果推进。 - 当任务可以独立推进时,多个智能体会有所帮助,但需要明确职责范围和共同约束。
- ChatGPT插件将对话与外部工具和交互界面连接起来。发布前需要通过检查和审核。
将范围明确的工作流交给dots#
在东京的活动上,OpenAI将dots介绍为一种能够结合用户目标和过往交流,开展调研、文档编写和软件开发的智能体。任务可以由直接请求、计划安排或受支持的已连接服务更新触发。
在一个开发案例中,dots收到Slack上的缺陷报告后,完成了调查、代码修改、测试和拉取请求创建。另一个案例则要求dots完成从即将停用的API迁移的工作。两者都会生成可供人在接受更改前检查的成果,因此适合作为引入dots时的参考模式。
委派任务前,应定义启动条件和预期结果。对于缺陷处理,应指定报告来源、目标仓库、所需测试和拉取请求要求。云端工作可以在关闭笔记本电脑后继续,但使用本地计算机的工作需要让ChatGPT应用保持打开并在线。
将共享成果集中到Spaces#
ChatGPT Spaces提供了一个共享空间,让人与智能体可以查看页面、文件和成果。演示展示了将会议纪要保存到共享页面、编辑演示文稿,以及通过调研让页面保持最新的用法。
它的实际价值在于连续性。定期任务需要有固定的结果存放位置,让同事能够找到并修改最新版本。否则,有用的成果可能会散落在各段对话中。
在第一个工作流中,选择一个共享页面作为保存位置,并指定一名人工审核人员。明确哪些内容应由智能体更新,哪些内容在更改前需要审核。应有意识地设置信息访问权限。dots的主动调研依赖于获准读取的信息。
让Codex的完成条件可衡量#
Bonnie Chatterjee的分享讲解了Codex运行框架,它负责管理指令、对话历史、工具执行和结果。对于长时间任务,上下文压缩会保留继续工作所需的信息,同时减少传递给模型的信息量。
仅保留上下文并不能保证任务完成。智能体有时会在汇报进展后停止。/goal通过检查目标达成情况,并在尚未达成时让智能体继续工作,来应对这一问题。
应将成果要求与验证方法结合起来。如果搜索功能较慢,就指定目标操作、基准测量值、目标值和允许的更改范围。报道中介绍的官方指南也说明了限制:预算耗尽、用户暂停,或继续推进需要用户输入时,工作可能会停止。
仅在有效时分工#
分享建议先从一个智能体开始。增加智能体会带来更多协调负担,也可能造成重复工作。当项目包含可以独立推进的任务时,例如大规模重构或游戏实现中的各个部分,多个智能体才会发挥作用。
拆分工作前,应为每个智能体定义以下四项内容。
- 需要产出的成果。
- 负责的文件或组件。
- 整个项目共同遵守的约束。
- 需要请示决策的条件。
维护一份共享工作日志,记录目标、当前指令、负责人、未完成任务和已作出的决定。智能体在交接后恢复工作前,需要查看这份日志。演示还介绍了将常规工作交给轻量模型、遇到难题时向高性能模型寻求支持的方法。请评估这种配置是否符合团队的质量和成本要求。
在连接服务时纳入审核#
Corey Ching的插件分享展示了ChatGPT如何推荐相关集成功能,并在对话旁显示其界面。示例包括分子查看器,以及能够手动调整所生成页面的设计工具。
不同集成方式各有用途。MCP连接外部数据和工具,界面扩展则添加操作控件和查看器。MCP Events可以在受支持服务更新时启动工作。应选择足以完成整个工作流的最小集成方案。
在分发方面,所介绍的申请流程要求上传ZIP包,解决自动检查指出的问题后,再提交审核。获批后,开发者可以自行选择发布时间。分享还介绍了Sign in with ChatGPT,让用户在受支持的外部应用中使用其ChatGPT套餐额度,但在将其作为使用前提之前,需要确认适用条件和限制。
下一步#
执行一个范围明确的Codex任务。选择一个可复现的缺陷,定义必须通过的测试和允许修改的文件,并要求创建供人工审核的拉取请求。
来源: https://gihyo.jp/article/2026/10/openai-devday-exchange-tokyo-report
目录
