Codex 团队成员 Dominik Kundel 在 X 上分享了自己使用 dots 的经历：从 Slack 里接任务、通勤时打电话，到让云端 Codex 继续工作并跟进结果。他把两者的分工概括为“任务交给 dot，协作找 Codex”。以下为全文翻译，文中的“我”指原作者。
dots 和 Codex 有什么区别？如果你已经用 Codex 用得挺满意，为什么还要用 dot？
我已经花了不少功夫搭建自己的 Codex 工作流，所以一开始也怀疑，dots 能在其中发挥什么作用。今年早些时候，我写过如何把记忆、插件和自动化结合起来，其中有一个叫“Chief of Staff”（幕僚长）的对话，帮我跟进手头的工作。现在，用了一阵子 dot 之后，我已经很难想象没有它该怎么工作了。
对我来说，最大的区别是 dot 帮我省下了很多心力。我可以把事情交给它，不用再自己盯着每一步。
如果你一直在折腾循环流程（loops），或者用一个总控对话来管理其他对话，想让 Codex 多干点活，你很快就会喜欢上 dots。它让你多了一种用 Codex 把事情推进去的方式。
dots 到底是什么？
你的 dot 是一个会主动办事的个人 Agent。你可以定制它的名字、外观（没错，可以用你的宠物），以及你们互动的方式。我的 dot 叫 Chopper。
在有 dots 之前，我经常这样工作：把一张 Appshot 应用快照或一条 Slack 消息链接交给 Codex，让它开发功能、跟进部署，再回到 Slack 里反馈结果。我还得另外让它设置自动化，持续关注功能或发布计划可能出现的变化。每有一件新事情，就得重复一遍。
现在，我可以直接在 Slack 的讨论串里 @ 我的 dot。它会接下任务，处理问题，然后在那里回复。因为它会主动跟进，所以也会自动留意发布过程中发生的变化，及时提醒我。
dots 基于同一套开源的 Codex 运行框架（harness）构建，也能使用很多相同的上下文，包括你已经在账号里安装的插件。
dots 使用同一套 Codex Agent 运行框架，可以协调你自己的电脑、云端和 dot 的电脑上的任务。
目前，你只能创建一个 dot。不过对我来说，有一个随时可以交任务的 Agent，已经很有帮助了，不用先想好该打开哪条 Codex 对话。
和你现在使用 Codex 的方式相比，dots 最明显的三个不同之处是：
上下文连续性与个性化：dot 可以在你使用的不同渠道之间共享上下文，长期管理相关信息，并且越来越了解你。 协调：你继续和 dot 聊天时，它可以并行处理彼此独立的任务，也可以把工作分派给本地 Codex 和 Codex Cloud。这样，我就能把精力放在要做什么上，不用一直琢磨怎么组织工作。 主动跟进：dots 会继续跟进工作，留意哪些事情需要你关注，无须你每次都明确提出要求。忙碌的时候，这让我踏实了很多。
上下文连续性与个性化
我经常在 WhatsApp、Slack、电话或社交媒体等不同地方，和朋友或伴侣聊各种话题。但我们仍然知道彼此之前聊过什么，不必每次都从头说起。dots 也能做到这一点。
对我来说，一件事可能从同事在 Slack 里报了一个 bug 开始。我把它转给我的 dot Chopper，它就能着手寻找需要的信息，开始处理。之后，在通勤路上，我可以给 Chopper 打电话，接着聊这件事，也可以换个完全不同的话题。回到桌前，我又能在桌面聊天里继续，或者检查它已经完成的工作。贯穿这些对话的，始终是同一个 dot。
我甚至可以同时使用不止一个渠道。我们通话时，Chopper 可以发些东西让我看，我也可以打字回应，或者给它发链接，无须挂断电话。我就是这样在 ChatGPT Space 里反复修改这篇文章的。我们继续聊天时，它也能告诉我另一项任务已经完成，或者像一个靠谱的同事那样，在有急事时提醒我。
除了你在 Codex 中熟悉的上下文压缩，dots 还有一套新工具，用来管理这些持续不断的对话。我的 dot 可以给自己记下重要信息，也会在某些时候唤醒自己，围绕相关话题做后台研究。这让它更能贴合我的需要。它逐渐了解我工作中的细节，以及我和同事之间的关系，因此我也更信任它，愿意把工作交给它处理。
我的 dot 还可以访问我的 ChatGPT 记忆和 ChatGPT 对话。我在 ChatGPT/Codex 中连接的插件，也让它能在我使用的工具和服务里查找信息、执行任务。所以，如果你已经在用 Codex，就不必从零开始。
协调
因为我只用一个 dot，所以它必须能在我继续和它聊天时，同时处理好几件事。它会并行启动子 Agent 和独立任务，再把结果带回来。我可以继续和它讨论那个 bug，同时让另一项任务研究完全不同的事情。
为此，dot 有自己的云端电脑和浏览器。它可以在那里登录网站、执行任务，甚至使用 Blender 等已经预装好的强大应用。它也可以在我为代码仓库准备的 Codex Cloud 环境中，或在我自己的本地电脑上，启动编程任务。
dot 有自己的虚拟机，可以在上面执行任务，也可以使用 Blender 等应用。
即使我的笔记本电脑关机，云端任务也能继续运行。本地工作则需要我的电脑保持连接、在线，并且运行着应用，但这样一来，它就能使用我的全部本地上下文，包括操作电脑，或控制我已经登录的浏览器。我可以打开这些任务，直接和 Codex 一起处理，也可以让 Chopper 继续协调。它还会根据我的需要调整自己的做事方式。比如，我更喜欢把后端改动或简单的文案修改放到云端，把较大的前端改动留在自己的笔记本上。时间久了，dot 会记住这些偏好，自动按我的习惯安排。
比如，我在路上突然想到一个想做的东西，就可以给 dot 打电话，讲清想法，让它一边继续和我聊，一边启动 Codex Cloud 任务。之后，我可以打开那条对话，直接和 Codex 继续修改，也可以让 dot 接着做下去。
主动跟进
dots 最大的不同，大概就是它会主动跟进。除了我明确交给 Chopper 的事情，它还会在后台整合我连接的应用和工具中的信息，跟上我的工作进展，不用等我发提示词。一条新的 Slack 消息，或者会议记录里的一个决定，可能和我们上周聊过的事情有关。Chopper 能把两者联系起来，提醒我留意。
我自己工作中的一个例子，是让 Chopper 跟进一个 PR，直到它上线，再确认这项修复什么时候可以重新试。这省去了我反复检查的麻烦。我真正关心的消息，就是现在可以再试了。
DevDay 期间，我在 Slack 里查看主旨演讲时遇到的问题，是否会影响我自己演讲中的演示。我的 dot 注意到了这件事，还发现了另一起我没有看到的故障。它把我的演讲稿、那次故障和演讲时间安排交叉核对，提醒我检查演示中对应的那一部分。
这是我的 dot 在 DevDay 期间发来的一条真实消息。
我也可以明确设置自动化，在特定时间或支持的事件发生时执行检查。对于持续进行的工作，dot 可以自行休眠，再唤醒自己继续做，无论是继续研究，还是检查某项任务的进展。我不用再把每一次后续跟进都亲手设成自动化。
你还可以再往前走一步。dots 团队的一位工程师给自己的 dot 授了权，让它除了关注反馈频道，还能主动调查问题、启动 Codex 任务修复、检查 CI 运行情况，并处理其中的失败。遇到重大问题时，它会再提醒这位工程师介入。因为这些任务都是 Codex 对话，所以工程师可以立即打开，接着 dot 做到的地方继续处理。
主动跟进也能延伸到正在进行的任务中。比如，你正通过 dot 在本地 Codex 中处理一项任务，而日历显示你很快就要开始通勤，它可能会建议把任务转到云端，让工作在你赶路时继续推进。
把 dot 连接到邮箱或 Slack/Teams，是让它收集信息、主动跟进的一个好起点。不过，想真正用好它，最好的办法还是多和它互动。你通过 dot 分派的任务越多，它就越了解哪些地方能帮上忙。默认情况下，它会做研究，但不会自行执行任务。随着信任逐渐建立，你可以通过提示词给它更多权限，让它独立处理更多事情，而不必每次先通知你。你也可以用自定义规则，规定哪些时候它应该先问你。
我会从哪里开始
坦白说，如果你已经搭建了自己的循环流程，或者用总控对话来管理其他对话，可能不会马上感受到 dots 的好处。不过，目前 dots 不占用你的 ChatGPT 使用额度（除非它把任务委派给本地 Codex 或 Codex Cloud），而且几乎没有用量限制。现在很适合试一试，把任务交给 dot。你很快就会看到它开始主动跟进，帮你把 Codex 用得更好。
先在 ChatGPT 桌面应用里设置你的 dot，把它连接到本地 Codex。让 dot 帮你启动 Codex 任务，用它替代你原来管理其他对话的总控对话。在此基础上，你还可以：
找一件你厌倦了每天都做、或每周做上几次的任务，而且你知道怎样才算做得好。先让 dot 看看你是怎么做的，一起调整结果，再交给它。给它相关链接、访问权限，也说清楚它可以处理哪些事情。Claire Vo 把这叫作“反向待办清单”（anti-to-do-list）。 让它留意那些 @ 你处理的 bug，并帮你解决。 告诉它哪些事情可以自己做，哪些需要你审阅。你可以直接通过提示词说明，也可以用自定义规则持续规定它何时应该先问你。这些规则是在常规应用权限和内置保护措施的基础上叠加的要求。
对我来说，一个好记的分工是：任务交给我的 dot，协作找 Codex。想主动和它一起解决问题时，我还是会直接找 Codex。不过，我发现自己越来越常做的，是把想法和问题告诉 dot，让它处理剩下的事情。这样既能推进得更快，也省下了我不少心力。
dots 还处在早期，我们正在快速迭代。还缺哪些功能，才能让 dots 在你的工作流里更有用？
参考链接
原文：https://x.com/dkundel/status/2106141525306397099 作者此前关于记忆、插件与自动化的文章：https://x.com/dkundel/article/2046297434205430130 开源 Codex 运行框架：https://github.com/openai/codex dots 的消息与通话渠道：https://learn.chatgpt.com/docs/dots/channels ChatGPT Space：https://learn.openai.com/docs/space dots 官方说明：https://learn.chatgpt.com/docs/dots dots 的任务与记忆：https://learn.chatgpt.com/docs/dots/tasks-and-memory dots 的电脑与应用：https://learn.chatgpt.com/docs/dots/computers-and-apps Codex Cloud：https://x.com/OpenAIDevs/status/2104997734294139151 电脑操作能力：https://learn.chatgpt.com/docs/computer-use dots 的任务与记忆：https://learn.chatgpt.com/docs/dots/tasks-and-memory dots 官方说明：https://learn.chatgpt.com/docs/dots dots 的自定义规则与控制：https://learn.chatgpt.com/docs/dots/controls
