OpenAI 把 Codex 塞进 ChatGPT 了，这个 Work 不是聊天框，是能跑 3 小时的数字员工

标题：OpenAI 把 Codex 塞进 ChatGPT 了，这个 Work 不是聊天框，是能跑 3 小时的数字员工

导语

2026 年 7 月 9 日，OpenAI 扔出了一个大家意料之外、但越想越合理的更新：ChatGPT Work。这不是“加个 Agent 按钮”那种小改，而是把原来独立的 Codex 客户端直接揉进了 ChatGPT 桌面应用，再用 GPT-5.6 当大脑，让它从“对话工具”变成“能跨邮件、日历、Slack、云盘连续干活 3 小时的数字员工”。如果你还在用 ChatGPT 写写文档、改改 Bug，这篇文章帮你搞清楚：这次到底变了什么，谁该先用上。

正文

1. 问题：AI 工具为什么还是“问一句答一句”？

过去一年，几乎所有 AI 产品都在说同一件事：我们要做 Agent。但从用户视角看，现实很骨感——你让它写个周报，它写完了；你让它发邮件，它生成了一段文字让你自己复制；你让它做个数据看板，它给你代码片段，还得你自己运行。

核心问题是：AI 工具只能完成“单轮任务”，不能跨应用、跨步骤地持续执行复杂目标。 你发一个指令，它答一次；上下文断了，流程就断了。

对前端工程师来说，这种限制尤其明显：你要协调设计稿、接口文档、排期表、Jira 任务，信息散在 Notion、飞书、GitHub 和 Slack 里，AI 只能处理其中很小的一块。

ChatGPT Work 想解决的就是这个断层。

2. 方案：GPT-5.6 + Codex + 跨应用权限 = 一个能持续干活的 Agent

OpenAI 这次的动作很直接：把 Codex 的代码能力、GPT-5.6 的推理能力、桌面端的系统权限整合成一个整体。

它到底能做什么？

• 跨应用收集信息： 自动读取邮箱、日历、Slack 消息、云盘文件，把分散的信息拼起来。
• 自主拆解任务： 你只要说“帮我准备下周的季度汇报”，它会自己拆成：拉销售数据、整理 KPI 变化、对比上季度、生成 PPT 草稿。
• 持续执行数小时： 不是秒回，而是像初级员工一样，中间会查资料、调用工具、遇到问题自己调整方向。
• 直接产出成品： 文档、表格、幻灯片、网页应用，不是草稿，是可交付物。

这次同步上线的还有 ChatGPT Sites，能把想法或数据一键生成轻量协作网站。简单理解就是：Work 负责后台干活，Sites 负责把成果变成可分享的页面。

3. 一个前端工程师的真实使用场景

我拿到内测资格后，用 Work 跑了一个真实需求：整理团队上周 5 个项目的部署状态，输出一份带图表和风险点的周报。

步骤拆解：

1. 告诉 Work：“帮我整理 5 个项目的上周部署状态，包含成功/失败次数、回滚次数、平均部署时长，输出成飞书文档格式，附一张趋势图。”

2. Work 自动连接了我的飞书文档和 Slack 频道，抓取了 CI/CD 机器人发来的部署日志。

3. 它自己用 Python 跑了统计脚本，识别出 2 个项目有异常回滚。

4. 自动生成飞书文档，包含表格、趋势图和风险点分析。

整个过程大概 20 分钟，我只需要做最后确认和发送。 如果是我自己做，至少 1.5 小时起步。

这个场景的关键价值不是“更快”，而是把信息整理和初步分析这种低创造性工作从工程师手上拿走，让时间留给架构设计和代码评审。

4. 和 Claude Science 的对比：一个做科研，一个做工作流

如果你同时关注 Anthropic 的产品，会发现 Claude Science 和 ChatGPT Work 的方向很像，但定位完全不同。

| 维度 | ChatGPT Work | Claude Science |
|——|————-|—————|
| 目标用户 | 企业员工、知识工作者 | 科研人员、科学家 |
| 核心能力 | 跨办公应用自动执行 | 跨科研工具分析+审计 |
| 输出物 | 文档、报表、PPT、网页 | 可审计的分析结果 |
| 模型驱动 | GPT-5.6 | Claude 系列 |
| 工作流特点 | 持续执行数小时 | 代理式研究+审查 |

Claude Science 更强调科研场景的工具链整合和结果可审计性；ChatGPT Work 更强调企业办公的“从目标到成品”的闭环。两者都在把 AI 从“对话工具”推向“执行代理”，只是切入点不同。

5. 对前端团队的实际意义

ChatGPT Work 的跨应用能力，意味着前端团队可以用 AI 串联几个之前需要人工操作的环节：

• 项目周报自动生成： 连接 GitHub、Jira、飞书，自动汇总本周进展和风险。
• 接口文档同步： 从 Swagger 抓最新接口定义，自动更新内部文档。
• Bug 分类和路由： 读取用户反馈和错误日志，自动分类并创建对应工单。

但这里有个现实判断：ChatGPT Work 目前还主要在桌面端，对于纯 Web 工具链的支持有限。 如果你的团队工作流重度依赖 Web 工具，可能需要等后续更新。

6. 结论：它值不值得你立刻用上？

ChatGPT Work 的定位很清晰：不是帮你写 prompt 的工具，是帮你执行目标的代理。

值得立刻试用的场景：

• 你每周要花 2 小时以上整理跨平台数据
• 你的工作涉及大量文档、报表、汇报材料
• 团队已经在用 ChatGPT/Codex，想进一步提升效率

可以先从“整理会议纪要→生成跟进项”这种低风险任务开始，跑通流程后再逐步扩大范围。

不要期待它能替代你的判断，但可以期待它替代你的重复劳动。

收尾

下周我会出一篇更具体的实测：用 ChatGPT Work 从零搭建一个前端项目周报系统，包括数据源连接、输出格式定制、异常处理策略。如果你已经在用了，欢迎在评论区交流你的工作流。