OpenAI推出了由GPT‑6 Astra驱动的常驻Agent Dots。与一次问答结束后便停止工作的ChatGPT不同，每个Dot拥有独立云端电脑、浏览器和长期上下文，可以连接4,000多款应用，在用户离线时继续跟进项目，并通过ChatGPT、Slack或Teams汇报进度、请求决策。它能够处理软件修复、发布材料、研究分析、销售方案和内容制作，未来还将出现拥有企业身份和专门职责的“专职Dot”。OpenAI同时加入只读的“主动研究”、自定义权限规则、独立操作审查和强制人工确认。不过，目前没有公开长期任务成功率、错误率、单项成本或独立评测；发布会现场的语音演示也多次延迟。Dots真正改变的不是模型本身，而是把AI从等待指令的聊天窗口，变成持续访问工作资料、主动发现任务并代表用户采取行动的软件角色。
文章作者、来源：OpenAI
它不是一场可以无限延长的ChatGPT对话
Dots试图解决的是现有聊天机器人的工作连续性问题。
传统ChatGPT通常围绕一次对话运行：用户描述任务，模型回答或调用若干工具，然后会话结束。Dot则有自己的云端电脑和浏览器，可以同时维护多个项目，在用户没有打开聊天窗口时继续推进工作。用户能够随时打开这台云端电脑，检查它正在浏览什么、生成什么文件以及任务进展。
一个Dot还可以获得独立身份和应用权限。用户决定连接哪些服务，它便可通过OpenAI的插件生态访问超过4,000款应用。官方也允许用户主动授权Dot连接自己的电脑，例如读取本地表格或调用已经安装的开发工具；在没有这项授权时，Dot的云端环境与用户电脑保持隔离。
“全天在线”并不意味着它可以不受限制地随意行动。更准确地说，Dot拥有持续运行的工作环境、长期任务状态和一定程度的主动研究能力，具体操作仍受应用权限、系统规则和人工批准约束。
从发现问题到交付可审查的结果
OpenAI给出的案例强调完整工作流程，而不是单次生成内容。
开发者的Dot可以持续观察客户反馈，找出反复出现的小问题，确定修改范围，编写和测试代码，最后提交包含演示视频的完整拉取请求。负责产品发布的Dot能够在功能范围变化后，重新调整宣传叙事、邮件、社交素材和发布计划。
科研场景中，Dot可以在新数据到达后重新运行分析、调查异常结果、更新论文图表，并标出需要研究人员复核的解释。销售场景则包括核对客户需求与产品文档、构建集成概念验证、更新测试计划，以及寻找处理过类似交易的解决方案工程师。
这些仍是官方设定的理想案例，而不是公开基准。OpenAI没有公布这些任务需要运行多久、平均成功率如何、多少结果必须返工，也没有说明所谓“了解用户标准”在不同任务间能否稳定迁移。
（原文有五组工作流图片，分别展示软件修复、发布材料调整、科研分析、企业销售提案和内容制作。）
“主动研究”目前被限制为只读
Dots最具争议的能力，是在没有收到即时指令时主动寻找可帮忙的事项。
官方将这一机制称为“proactive research”。例如，Dot可以在获准访问的日历、邮件或项目资料中发现行程变化、即将逾期的事项或需要更新的信息，并把结果保存为自己的私有笔记。
这类后台研究使用代码层面限制为只读的工具，不能直接发送消息、修改应用内容，也不能控制浏览器或桌面。若Dot根据发现决定采取后续行动，仍须回到常规权限和操作审查流程。
OpenAI举例称，一名早期测试者的Dot发现他忘记向一家出版机构开具发票，于是准备好发票，等用户批准后才发送。这说明产品设计的目标不是让Agent无限自治，而是让它主动发现工作、准备结果，并在可能产生外部影响时把决定交还用户。
权限不只由模型自己判断
用户可以通过Custom Rules规定某个Dot能够自行执行、必须先请求批准或完全禁止的操作，例如设置“永远不要发送邮件”。Dot可以帮助起草规则，但修改规则本身需要用户批准，且自定义规则不能取消系统强制的安全要求。
发送邮件、修改文件等操作执行前，还会进入独立的Auto-review系统。它会检查收件人、待分享信息、用户指令及权限规则。这个审查系统运行在Dot无法修改的环境之外，因此Dot不能通过自己的代码关闭必要检查。
购买商品必须获得批准；永久删除数据、安装来源不明的软件以及授予新的安全敏感权限，每次都需要确认。修改密码和在金融账户间转账等步骤则必须由用户本人完成，Dot最多只能处理前后准备工作。
登录受支持的网站时，密码由独立加密凭据服务直接提供给浏览器，不进入模型上下文。但这项保护只适用于正式的安全登录流程；如果用户把密码或秘密写在普通消息、文件或网页里，模型仍可能读到。
这些设计降低了单次错误造成损失的概率，却没有证明Agent能够始终正确理解规则。OpenAI自己明确提醒，Dots仍会犯错，具有重要后果的结果必须复核。
数据不会被训练的说法也有边界
ChatGPT Business、Enterprise和Edu工作区的内容默认不用于改进模型。个人套餐用户则可以通过数据控制设置，决定Dot的对话、执行动作和自动化是否进入模型改进流程。
OpenAI称，主动研究线程和Dot给自己保存的笔记不会被直接用于训练。不过，如果Dot随后把其中一条笔记带入符合训练条件的正常对话或任务，这部分信息仍可能依据用户的数据设置被使用。
此外，断开某个应用能够停止新的信息读取，但Dot此前已经吸收进自身上下文的信息不会自动随之消失；用户需要重置该Dot的上下文。
因此，企业部署时不能只问“数据是否训练模型”，还要检查Dot能够访问哪些系统、信息保留在哪里、谁可以查看活动记录，以及连接撤销后已有上下文怎样处理。
先从一个Dot开始，企业版更像数字员工
Dots正向符合条件市场的ChatGPT Pro和Business Premium用户逐步开放，首个Dot包含在现有套餐中。Enterprise、Edu和Healthcare工作区可由管理员启用测试版。
与Dot对话不占用普通ChatGPT额度；但如果它启动或管理Codex、ChatGPT Work中的任务，相应任务仍照常计入额度。OpenAI没有公开额外工作额度的精确计算方式，也没有公布未来增加Dot数量、运行速度或月度工作量的价格。
目前用户只有一个主要Dot。多个Dot组成团队仍是未来规划，并非已经全面上线。专职Dot也处于少量企业试点阶段，将拥有组织分配的身份、凭据和业务系统权限。OpenAI正在测试采购、发票处理、电子邮件营销、客户支持和商业合同等岗位，并计划将其接入Microsoft Agent 365的企业治理体系。
发布会也暴露了“常驻Agent”的现实距离
Dots发布会的现场演示并非完全顺利。Agent在语音汇报环节多次没有及时回应，台上出现较长等待；OpenAI后来将问题归因于同时推出大量更新。
一次演示故障不能证明产品整体不可用，但它提醒人们：长期Agent的难点不只是模型能否完成单个步骤。它还要在数小时或数天内维持项目状态，可靠地连接外部服务，在适当时机主动行动，并判断何时必须等待人类。
OpenAI尚未公开Dots的长期任务完成率、误操作率、提示注入测试细节、平均资源消耗和独立用户评测。因此，官方所说的“几乎可以做任何事”目前应视为产品愿景，而非经过验证的能力边界。
Dots最重要的意义，是OpenAI开始把模型、云端执行环境、长期上下文、应用权限和企业身份组合成一个持续工作的产品。竞争重点也随之从“哪个聊天模型回答得更好”，转向“哪个Agent能够在真实软件系统里长期工作，同时让用户仍然看得见、管得住并能追究责任”。