先说结论：ChatGPT Dots 是 OpenAI 在 2026 年 9 月 29 日 DevDay 上推出的 always-on AI 智能体产品。你离开聊天窗口之后，Dot 仍能围绕你指定的目标继续工作：它跑在一台云电脑上，可以操作浏览器与 4000+ 已连接应用，并通过 ChatGPT、语音、Slack 与 Microsoft Teams 汇报进度。它由 GPT-6 Astra 驱动，管理的是「持续目标」而不是「孤立提问」。
最强的特性是持久性：布置一个目标，Dot 自己推完多个步骤，过程中给你发进展与提问，你还能打开它的云电脑看它正在干什么。安全侧，OpenAI 提供自定义行动规则与自动审查机制，在动作发生前检查是否合规。
首批开放给付费专业用户：ChatGPT Pro、Business Premium 与 Enterprise，并在测试面向组织岗位的 specialist Dots。OpenAI 表示与 Dots 的对话不计入 ChatGPT 用量上限；发布时没有独立的 Dot 单价，未来会开放提升单个 Dot 速度或月工作量的选项。
Dots 最吸引人的场景是「跨多个应用、多个步骤」的任务。它最大的优势不是更会聊天，而是委托执行。评分：智能体架构 9.2/10、集成 9.1/10、后台自动化 9.0/10、控制与安全 8.8/10，综合 9.0/10。
速查：有跨应用的重复多步任务就值得试 Dots；从窄场景起步，权限最小化，不可逆动作一律要人工批准。
一个 Dot 是被分配了一份「持续工作」的常驻 AI 助手，而不是回答一个单次问题。OpenAI 把 Dots 描述为能跨已连接应用在后台工作的 always-on 智能体：布置任务后，它会自己推进工作流、汇报进展、需要时向你提问、最后交付完成的工作。
这改变了交互的基本单位：聊天机器人是请求驱动的——你问、它答、会话结束；Dot 是目标驱动的——你定义要发生什么，系统管理一连串动作直到到达停止点或需要你的输入。从「一问一答」到「交办一件事」，这是产品形态的变化。
两个官方例子：开发者可以让 Dot 根据客户反馈构建并测试一个应用更新；内容创作者可以让它审采访 transcript、挑出可剪片段、写 shownotes、起草社媒帖子。这些都不是孤立生成，而是工作链。
七个维度看差异：持久任务（Dots 有、聊天机器人没有、自动化靠定时/触发）、云电脑（有/有限/看工作流）、多应用执行（4000+ 应用/有限/通常预定义）、后台工作（有/没有/有但确定性）、自然语言目标（有/有/有限）、自定义行动规则（有/视情况/基于规则）、人工批准（支持/用户驱动/按工作流定）。
差异的本质不是工具列表更长：Dots 把工作流从「互动式协助」改成了「委托式执行」——普通 ChatGPT 对话能帮你规划一次操作，而 Dot 被设计成跨工具把这次操作推进到底。
Dots 由 GPT-6 Astra 驱动——OpenAI 定位中「面向高要求工作」的模型，Pro、Business 与 Enterprise 计划可通过 GPT-6 Pro 使用，Plus 及以上可通过 ChatGPT Work 与 Codex 使用，具体可用量取决于产品、计划、任务与设置。
但对 Dots 来说，模型只是系统的一层：智能体层给了 Astra 任务、执行环境、已连接工具、状态与权限边界——这个组合才把语言模型变成常驻智能体。所以要评的不是「Astra 强不强」，而是「Dots 能不能把这份能力变成可靠的后台工作」。
每个 Dot 都通过自己的云电脑工作，用户可以打开这个环境实时看它干活。云电脑给了 Dot 一个浏览网页、操作软件的地方，而不是只生成一份让人类去执行的说明书。
这重要是因为智能体可以一个接一个地串操作：检索信息、拿到另一个应用里用、检查结果、继续朝原目标推进。这更接近 computer-use 自动化，而不是普通聊天，可检查的云电脑也给「后台持续工作」加了透明度。
OpenAI 称 Dots 可以跨 4000+ 支持的应用工作，发布示例包括 Slack 与 Microsoft Teams，更广泛的集成模型是让 Dots 在用户已经在用的应用里操作。应用生态的规模重要，因为「最后一公里」常常限制智能体：够不着用户真实系统的强模型仍只是助手，能安全操作那些系统的模型才是工作流的一部分。
Dots 可以连接 Slack 与 Microsoft Teams，并跨会话与设备携带上下文——在很多组织的中心沟通渠道里直接布置工作、接收进展。对团队这是个实用模式：在对话环境里交办目标，智能体跨系统推进，到需要人批准的决策点再介入。OpenAI 还说短信交互在规划中，但那应当作未来能力而不是现有功能。
自主性是 Dots 的定义性特性，但 OpenAI 并未描述成「无限制访问」：Dots 内置了何时可以独立行动的规则，用户还可以加自定义规则来阻止动作或要求先请示。好的智能体策略应该把低风险动作与不可逆动作分开——读公开信息、准备草稿可以更激进地自动化；改凭证、对外发布、动生产基础设施必须另一套标准。
自定义行动规则是严肃部署里最重要的功能之一。好用的规则是具体的：Dot 可以建草稿但不能发布；可以准备销售提案但不能外发；可以跑测试但不能部署生产。清晰边界减少歧义，也让「逐步扩大自主权限」有了基础，而不是第一天就全开。
自动审查则再加一层：OpenAI 称 Dots 会检查拟执行动作是否符合自定义规则与安全要求，遇到不该自主执行的动作（比如改密码）会把任务交还给用户。智能体安全不只是模型问题，而是工作流问题——权限规则、动作审查、人工批准、日志与最小权限，一个都不能少。
OpenAI 同场还发布了 ChatGPT Space：一个让用户与同事一起与 Dots 协作的环境，把智能体从私人助手变成项目里的「共享员工」。对内容、工程与运营团队，共享的智能体状态很有价值——团队围绕同一个目标协作、审查 Dot 的工作、决定哪里需要人的判断。
软件开发是天然适配：Dot 可以从客户反馈出发，检查应用、做修改、跑测试、汇报结果——它超越的是代码生成，进入软件工作流的周边全程。但生产访问仍要严控：能改代码的 Dot 不该自动拿到生产系统的无限制凭证，最小权限、隔离环境、不可逆动作的批准门，缺一不可。
内容生产是另一个清晰场景：官方示例里 Dot 审采访 transcript、找可剪时刻、写 shownotes、起草社媒帖子。价值来自把步骤串起来——不再手动在 prompt 之间搬输出，智能体带着上下文管理整个序列，人继续对编辑判断负责，Dot 负责重复的转换工作。销售运营、研究、项目运营、营销与内部知识工作流也是自然候选——共同模式不是行业，而是「可重复的、跨多个应用的多步任务」。
传统自动化通常是确定性的：X 发生就跑 Y 再跑 Z。AI 智能体加的是推理层——能解读非结构化信息、选工具、在工作流变化时自适应。最强的生产系统大概率是两者结合：确定性自动化处理可预测操作，智能体处理规则太死的地方。
对 Meta Muse：两者瞄准同一品类——能跨应用行动的常驻 AI 助手。Dots 带着 GPT-6 Astra、4000+ 应用生态、云电脑执行与强工作场所聚焦进场；Muse 的定位更偏个人助理。实际选择取决于你的工作已经发生在哪——这是产品范围对比，不是普适的质量排名。
首批开放给 ChatGPT Pro、Business Premium 与 Enterprise 用户，并在测试面向组织岗位的 specialist Dots；企业侧的 GPT-6 Astra 可用性还取决于工作区的模型权限。发布报道中没有独立的 Dot 单价——发布初期访问绑定符合条件的 ChatGPT 计划，未来会开放提升单个 Dot 速度或月工作量的扩展选项。初始形态是每个用户一个 Dot，多 Dot 在路线图上。
价格参照系：OpenAI 当前企业 token 费率卡里，GPT-6 Astra 是 $10 / 1M 输入、$1 缓存输入、$50 / 1M 输出（ChatGPT Work 与 Codex 场景）——注意这是 Astra 模型费率，不是 Dots 的独立定价。用量上有个好消息：与 Dots 的对话不计入 ChatGPT 用量上限，但 Work 与 Codex 里的 Astra 用量有单独的计划额度，且按任务、输入输出量、推理设置与 Fast 模式消耗速度不同。
智能体能接触工作系统，数据处理就更重要。OpenAI 表示业务数据默认不用于训练，但组织在授权前仍应审查已连接应用的权限、工作区设置、保留要求与安全策略——常驻智能体可能接触消息、文档、浏览器会话与应用，最小权限是底线。局限与「不该被替代的部分」整理成七条：
初始可用性有限：首批仅 Pro、Business Premium 与 Enterprise， rollout 扩围前的计划矩阵不是最终版。权限面需要谨慎：每多接一个应用，智能体能看到与能改变的东西就多一点。无独立定价：发布时没有单独的 Dot 单价，成本核算要绑着 ChatGPT 计划算。安全责任随接入扩大：接入越深，组织自己要扛的权限设计与监控责任越重。一人一 Dot：初始模型每用户只能创建一个 Dot，多 Dot 是后续计划。不可逆动作需人审：对外发布、生产变更、凭证修改这类动作不该交给智能体自主完成。判断力不可替代：高影响决策的领域专长、对外内容的编辑判断、要求行为完全一致的确定性自动化，都仍是人的位置。智能体表现高度依赖你交办的目标质量。「帮我搞搞营销」只会制造歧义；更好的指令要定义结果、上下文、允许使用的应用、约束、批准边界与交付物。小团队的实用起步方式：从一个窄的周期性工作流开始，只接必需的沟通与文档工具，定义每周目标，立好行动规则，对外发布与生产变更强制批准，让 Dot 在有意义的检查点汇报进展。
度量上跟踪四个数：节省的时间、纠错率、失败动作数、无人工干预完成的任务占比——这能把 Dots 从「实验」变成「可运营评估的系统」。最安全的推广方式是窄、可观测、基于批准。
最终结论：ChatGPT Dots 是 OpenAI 从聊天机器人软件走向常驻智能体的最清晰一步——GPT-6 Astra 加云电脑、已连接应用、后台执行、进度汇报与可配置行动规则，比一个传统聊天机器人更接近「数字同事」。4000+ 应用集成给了它宽的执行面，Slack、Teams 与 ChatGPT Space 让它接得上真实工作流；自定义规则、自动审查与人工交还把权限设计做进了产品。最好的智能体不是把人从每个工作流里移走，而是把人推向需要判断力的决策。
