OpenAI 团队如何用 ChatGPT 处理持续工作

在 OpenAI DevDay 2026 上，开发者体验团队的 Nick 和 Danielle 展示同事使用 ChatGPT 处理重复工作的例子。这些是公司演示和对自身工作流的描述，并非独立评估。

他们从电子邮件、Slack 和仪表盘中信息分散的问题讲起。他们问哪些工作可以交出去，以及节省的时间能用于什么。

讲者采访了三位内部用户：负责开发者社交的 Dani、负责竞争研究的 Adrian 和负责人力运营的 Casey。工作不同，但每个人都使用代理收集上下文或维护共享资源。

他们描述一个简单的活动规划例子：把议程变成帮助访客寻找相关场次的网站，并说代理也可以承担持续性职责。

Dani 监测开发者对产品发布的反应，并向相关人员报告。讲者说她使用代理将帖子和互动数据汇总到实时网站及内容表中。

预期结果是减少收集信号的时间，把更多时间用于解读反馈和与开发者社区沟通。她也让代理关注选定 Slack 频道并标记紧急事项。

Adrian 的竞争研究团队回应销售、产品和战略部门的问题。讲者介绍一个将其研究方法编码进去的插件，包括收集证据、寻找模式和质疑结论。

在一个例子中，调查没有支持关于竞争对手增长的既有解释。在另一个例子中，代理检查销售电话记录，找出摘要没有记录的失单原因。这些是报告的例子，并不能证明每个结论都正确。

团队使用 Compete Corner 网站让研究和来源可供查阅。代理可以接收 Slack 中的问题、开展调查，并将结果放到共享空间供人工审查，之后再更新网站。

讲者展示名为 Model Galaxy 的交互式可视化，用于比较模型表现、成本和延迟。这是内部演示；基准选择和底层数据会影响任何比较。

Casey 的团队将会议记录、论文和文章汇集到一个关于组织变化的共享知识库。讲者介绍一个使用这些材料的辅导网站，帮助领导者思考团队如何以不同方式工作。

页面指令说明代理应如何组织新研究，团队添加材料时知识库也会更新。辅导输出的价值仍取决于来源质量和人的判断。

讲者介绍 ChatGPT Space，称同事和代理可以在其中共同处理共享页面。在例子中，队友一起审查研究、提问和添加来源，而各自的聊天保持私密。

他们将页面指令与代码库指令相比：它们为在页面上工作的代理提供工作方式。他们也介绍了当时计划在空间中支持更多制品类型。

他们建议的起点是把已有对话转成页面、提供相关上下文、与代理一起完善，然后邀请同事编辑共享结果。

演讲介绍 Dots，称其为具有云端电脑和浏览器的持续性代理。在 Dani 的例子中，Dot 负责监测动态、维护表格，并在需要关注时通知她。

讲者介绍通过不同渠道联系同一个 Dot，以及为其设置名称、外观和职责。他们区分了活动时可用的功能与描述为未来推出的消息能力。

他们回到三个例子：Dani 有更多时间与开发者交流，Adrian 能更广泛分享研究，Casey 能在单次对话之外分享专业知识。这些都是讲者对同事工作流程的叙述。

一位讲者说，自动化部分技术入职工作帮助自己腾出空间转向开发者体验。演讲最后请听众找出一项重复职责，并思考如果有更多时间会做什么。