点击上方蓝字加入我们
长假期间，让我们关注些轻松的话题，一起来体验一下前两天 OpenAI DevDay 发布的新玩意。
除了热议的 500 刀新计划、GPT-6.1 Sol 这些不痛不痒的更新，我更关注的是：
云端助手 Dots
用于决策的 Decisions API
开源 Codex-Harness 的更新
协作空间 ChatGPT Space
这些更新，有的给 ChatGPT 用户提供了全新的工作与协同方式，有的给开源项目带来了福利。下面我们一个个看看这些新能力能帮我们做些什么，又能怎样融入自己的应用。
一、Dots：一个能持续跟进的云端助手
本次推出的 Dots，是常驻云端的个人 Agent，由 GPT-6 Astra 驱动。
没错，对标的就是最近火爆的 Muse。
每个 Dot 有自己的电脑和浏览器，可以查资料、处理文件、记住工作背景，并在必要时委派给 GPT Work 或 Codex 任务。
最重要的是，你离开对话后，它仍能推进你交给它的工作任务。
如何使用
使用很简单。将 ChatGPT 更新到最新版本，如果账号已获开放，就能看到 Your Dot 的入口。
你可以定制 Dot 的形象和昵称，这样就拥有了一个随时可以召唤的云端助手：
这里可以看到 Dot 拥有两个电脑：云端电脑可以独立工作；但要处理本机文件、代码和应用，则要在上图中的 Computers 中授权连接本地电脑；使用时本机需保持在线、ChatGPT 应用也需打开，一人只能连接一台个人电脑。
这样，Dot 在工作时可以按需创建本地 Work/Codex 任务，也可以继续指定的本地 Codex 任务（但两边浏览器登录不互通）。
“打电话”派任务
你可以在对话中随时“拨打电话”给 Your Dot；接通后，直接布置任务、讨论取舍或追问进度，还能一边说话一边补充文字资料。
比如你可以直接口头吩咐：“替我筹备一个 DevDay 的线上分享会，准备议程和讲解稿，完成后通知我。”（是不是有一种牛马翻身的感觉？）
任务实测
现在我们来让 Dot 完成一个真实的任务，我给它的要求是：
筹备一场 DevDay 的分享会。参考 OpenAI 官方文档，最后交付一份议程 Excel 和一份可以打开阅读的 HTML 讲解材料，一共三个主题，要有茶歇....
然后大概喝杯茶的时间，Dot 会完成任务，并等待你审核：
你可以接着在与 Dot 的对话界面中要求进行修改或者调整，这一切和你在本地 ChatGPT中交互并无太大区别 — 只是这些任务都是在云端完成，包括搜索、Web 访问、文档生成、核查；生成的产物默认也会保留在云端（可以下载）。
如果任务需要本机资源，Dot 则可以通过前面连接的本地电脑协同完成。
最后：Dots 目前还只向 Pro 等部分账户开放，且与 Dot 的对话不占用套餐用量。
二、Decisions API：新的决策型接口
前面两篇文章刚介绍过 JEV — 面向高性能场景的决策模型，这不决策API就来了。
Decisions API，顾名思义，就是面向分类、分流和下一步动作选择等场景的决策接口：
你提供文字或图片的上下文、定义问题和有限的候选答案、由 API 做选择。其目标很单一且明确：让 Agent 更直接、快速地拿到判断结果，而不是在“思考”后的长篇大论。
拆解爆火的 JEV（上）：10 分钟看懂这款 Agent 的高速“协处理器”。
拆解爆火的 JEV（下）：在 Agent 系统中的 8 类典型应用场景。
-
与 Chat API 区别在哪里
传统的 Chat API 通常用来生成回复和解释（虽然也能用结构化输出与提示词限定答案），它很灵活，但如果每个小的控制决策都使用这种 API ，可能带来不必要的延迟和成本。比如：
分类，把邮件归为咨询、投诉或其他
分流，把工单交给售后、技术支持或人工复核
下一步选择，让 Agent 在继续检索、核验结果、询问用户之间选一个
Decisions API 的重点，就是把这类有限选择做成专门的接口。
但不要把 Decisions API 理解成换个名字的Chat API JSON 输出模式。
决策 API 在判断时，有着更短的答案生成路径：它的“答案空间“在推理生成之前就被限定；而不是在文本生成之后再通过 JSON 输出再加以限定。
当然，写长文、规划任务等仍要用通用模型；而明确的 if/else 规则也应该继续写代码，而不是简单的倒向 Decisions API。
-
Decisions API 的使用
{
"context": {
"ticket": "The customer was charged twice.",
"account_tier": "business",
"recent_events": ["payment_succeeded", "payment_succeeded"]
},
"question": {
"name": "route",
"prompt": "Which approved workflow owns this case?",
"answers": ["refund_review", "technical_support", "account_security"]
}
}-
Decisions API 对比 JEV
尽管两者都同样面向决策场景，但一个是专用 API，一个是决策模型及其配套接口，不能完全画等号。
Decisions API 的背后是 GPT-6 Luna 模型；而 JEV 则是全新的独立决策模型
Decisions API 有一个重要的能力 — 支持多模态输入；而 JEV 尚未支持
JEV 模型的强化训练方法上采用了不同的 RLCD，即“面向校准决策的强化学习”
Decisions API 目前支持的问题形式是 Choice（从候选答案中选择）；但 JEV 支持 Choice（选择）、Score（评分）、Noul（是否）三种问题形式
三、开源 Codex Harness：不影响任务的即时打断
前面主要体验的是 OpenAI 提供的产品和接口，而开源 Codex Harness 的更新，则关系到我们自己的 Agent 系统。
大概总结下，最新版本 Codex Harness 的更新主要有：
即时打断：开启后可以在任务过程中追加要求、调整目标。甚至可以在 Code Mode 的工具调用中让模型先接话，后台继续运行，稍后再收取结果。
历史锚点分页：以某轮任务中的一条记录为“书签”，读取它前后的一段历史。应用可以据此实现“点击某个报错，展开附近的执行过程”这样的功能。
CLI 等体验优化：欢迎页更紧凑，等待确认计划时也能翻看历史；Mermaid 图表支持更丰富，复制记录时能保留表格和排版。
权限与运行稳定性修复：批准命令后仍保留明确禁止访问文件的规则，并修复 macOS 沙箱中的 TLS 网络访问、Windows 后台进程闪窗等问题。
下面来体验下新的即时打断功能（instant_interrupt)。
真实体验 instant_interrupt
现在用我本地构建的一个 Agent 演示应用 - Forge 做简单测试。Forge 前端通过对话交互，展示消息、工具调用以及输出产物；后端则通过 JSON-RPC 连接 Codex Harness（app-server模式）构建，并可通过适配接入第三方模型（比如我这里接入 MiniMax）：
实测一：打断，修改任务目标
做一个简单演示：让 Agent 等待一段时间（以留出时间窗口追加指令）后写个 90 分钟提纲；然后我追加指令“改成 45 分钟”。最终 Agent 按照我的追加要求完成了任务：
四、Space 和 Page：共同工作空间
在最新的ChatGPT 侧边栏会看到一个 Space 按钮，这就是最新的 ChatGPT Space。
它解决了工作成果散落在聊天记录里、不方便查找的问题。比如你让 AI 生成的图片、用 Astra 制作的 3D 交互站点等，保存到 Space 后，下次就不用再翻聊天记录，可以直接在这里查找和打开。
