OpenAI于7月10日推出面向办公场景的AI代理ChatGPT Work。该产品基于最新模型GPT-5.6和编程代理Codex，可调用多个应用和文件中的信息，生成文档、电子表格、演示文稿、网页等内容。

从实际体验来看，用户可在同一个ChatGPT界面内调取云端和本地资料，完成多项任务协同处理。其定位已不只是聊天机器人，而更接近一个由AI驱动的集成式办公环境。

外部应用接入门槛较低，可作为个人资料库调用

外部应用的连接流程较为简单。用户只需在插件列表中选择Gmail、Google Drive或Notion并完成授权，随后以自然语言提出需求，ChatGPT便会自动判断所需调用的应用和功能。

与传统自动化工具不同，用户无需针对每个应用单独配置API、模型上下文协议（MCP）服务器或执行顺序。应用连接能力和“技能（Skill）”均以插件形式提供，用户只需描述希望达成的结果。

连接Gmail后，作者以“给工作邮箱发一封让我一看就心情变好的测试邮件”为指令进行测试。ChatGPT生成邮件标题和正文，并在发送前展示收件人和发件账号以供确认；在用户回复“发送”后，收件箱收到了主题为“给Seulgi Son记者带来好消息”的邮件。

在Notion测试中，作者要求系统将分散在备忘录中的采访笔记按日期整理并保存。随后再提出“只汇总OpenAI相关备忘，并给出选题思路”，系统便从已保存笔记中提取相关内容，并给出多个报道角度。即便是尚未整理的采访记录，也能被归类梳理，便于后续继续使用。

在Google Drive场景下，作者并未提供准确文件名，网盘内资料也较为杂乱。在提出“应该有两份Dataiku资料，帮我找一下”后，系统找到了最近保存的发布材料和新闻稿，并在此基础上继续完成整合分析和市场差异点梳理，整体衔接较为顺畅。

本地文件夹也可设为工作区

除云端应用外，ChatGPT Work也支持在本地环境中执行任务，但前提是安装新版ChatGPT桌面客户端，并在对话开始前将本地文件夹设为工作区。若对话已在网页端或应用内以云端工作区启动，之后则无法再追加连接本地文件夹，因为该对话的工作区已提前确定。

作者还测试了信息图制作功能。在授权访问下载文件夹后，作者要求系统从大量文件中找出韩国科学技术信息通信部发布的“Everyone’s AI”新闻稿及附件，并将要点可视化。系统最终从数百个文件中定位到2份HWPX文档，并完成分析和信息图制作，成品基本达到预期。

本地文件不仅可以读取，也可直接修改。作者要求系统将随机生成的图片文件名改为“新闻稿_缩略图.png”等更易识别的名称，系统随即完成重命名。由于工作区直接设为本地文件夹，用户无需再单独下载和修改文件，既可以把原有资料调入ChatGPT继续编辑，也可以将ChatGPT生成的内容直接保存到本地统一管理。

可一次生成多种内容，但复杂任务下速度明显下降

作者随后测试了更复杂的任务，要求系统分析规模为1.4万亿韩元的“全罗北道·庆尚南道物理AI研发项目”提案请求书（RFP）及13份公告文件。上述文件共涉及35个细分课题，若由人工逐一阅读整理，预计将耗费数小时。

在“分析RFP并展示项目全貌”的指令下，ChatGPT Work提取了各课题的预算、周期和目标，梳理出不同课题之间的关联结构，并将多份文件中表述不一的项目统一整理为同一数据结构。

基于这套数据，系统随后连续生成了分析报告、对比用电子表格、政策简报演示文稿，以及带有课题筛选功能的HTML仪表盘，实现了对同一份资料的多种形式再加工。

不过，在同时处理多份文件并生成多种内容时，系统响应速度明显变慢，不同输出形式的完成度也存在差异。其中，分析报告和基于Excel的表格整体相对完整，足以帮助用户理解项目结构；演示文稿在设计和内容上仍需进一步补充；HTML页面则只生成了菜单，部分内容为空。

若与更偏向编程任务的Codex相比，ChatGPT Work在类似网页制作任务上的稳定性稍弱。作者认为，以文档和表格为主的通用办公任务更适合交给Work处理，而代码编写和运行验证则更适合Codex。

在任务执行等待过程中，界面一侧还提供了名为“宠物（Pet）”的可交互元素。该设计并不能直接提升效率，但在长时间生成内容时，多少可以缓解等待过程中的枯燥感，用户也可自行选择或自定义宠物形象。

核心价值不在单一新功能，而在工作流整合

从单项功能来看，ChatGPT Work并非全然陌生。Google NotebookLM可基于用户提供的资料进行分析；n8n可连接多个应用和API，实现重复任务自动化；OpenAI于今年2月收购的开源AI助手OpenClaw，也支持在用户设备端管理邮件、日程等事务。

但ChatGPT Work的差异在于，它并不要求用户自行设计工作流。用户只需用自然语言说明目标，系统便会自行寻找所需资料和工具，并生成相应内容。不过在执行条件的精细控制方面，作者认为其不如n8n；在以出处为核心的资料分析体验上，NotebookLM则显得更为直观。

作者指出，目前最接近的竞品是Anthropic的Claude CoWork。两者都支持长时任务和多种内容生成：ChatGPT Work强调可在同一环境内调用Codex这一编程代理，而Claude CoWork则更强调跨环境连续作业能力。