先看证据
从“回答问题”到“接手一段工作”
OpenAI发布的Dots是一类面向复杂项目和日常事务的持续运行型代理，由GPT-6 Astra驱动。每个Dot拥有独立的云电脑和浏览器，可以连接用户授权的应用，并通过ChatGPT、Slack或Teams保持可访问状态。产品面向的不是某一次对话，而是那些需要持续跟进、跨工具操作、等待新信息再继续推进的工作。
这次变化值得读，是因为产品承诺已经从“帮你完成一步”变成了“围绕目标持续工作”。一个早期测试者忘记向出版物开具发票，Dot发现遗漏、准备发票，并在获得本人批准后发送。这个例子并不说明代理可以完全接管财务流程，却清楚展示了新分工：人设定目标并批准关键结果，代理负责发现遗漏、准备材料和推动流程。
核心机制不是记忆，而是执行环境
Dots的关键架构由几层能力叠在一起。模型负责理解目标和拆解任务，独立云电脑与浏览器提供执行空间，应用连接提供外部工具，反馈则让Dot逐步了解用户的偏好、思考方式和质量标准。用户不必为每个项目开启一条孤立线程，Dot可以在多个任务之间并行推进，并继续接收新的工作。
这套设计让“长期上下文”不再只是聊天记录。一个开发者可以让Dot持续观察客户反馈，识别重复请求，定义小型改进和缺陷修复，构建并测试代码，再提交带有变更视频的完整PR供审阅。产品负责人则可以让Dot根据受众、定位和创意标准调整发布材料。科学研究场景中，Dot可以在新数据出现时重跑分析、调查异常结果、更新图表，并标记哪些解释需要研究者重新判断。
4000个应用不是重点，权限边界才是
Dots可以连接超过4,000款应用，也可以在得到许可后连接其他设备，甚至使用用户的笔记本。用户能够随时打开Dot的云电脑检查它的工作过程。这个证据块说明，OpenAI卖的不是一个孤立模型，而是一套把代理放进真实软件环境的产品：它能浏览、读取、整理、修改并把结果交回人类审阅。
但应用数量本身并不是企业落地的决定因素。越多连接意味着越多身份、数据和操作权限进入同一个持续运行的代理。材料同时强调，动作可以按规则被允许、要求审批或直接阻止，主动研究使用受限的只读工具，改密码等敏感任务仍由用户完成。换句话说，Dots的产品逻辑并不是“给代理一把万能钥匙”，而是把工作拆成可执行动作，再为每类动作设置不同的批准门槛。
24/7运行不等于无人监督
Dots最容易被误读的地方，是“可以24/7工作”听起来像完全自主。实际材料给出的图景更克制：代理可以持续调查、分析、编写和准备结果，但PR、发票、对外发送和其他具有承诺性质的动作仍然需要人审。它能把资深人员从重复执行中释放出来，却不能替代对质量、风险和外部承诺负责的人。
这也解释了为什么“让代理学习你的标准”既是优势，也是风险。个性化可以减少重复指令，让结果更接近用户的工作方式，但长期上下文、云电脑、笔记本和业务系统访问会扩大越权、隐私泄露和错误累积的可能性。对技术负责人而言，应该把Dot看作一个有状态的执行主体，而不是一个更聪明的输入框：它需要身份、权限、日志和回滚边界，而不仅是模型评测分数。
企业路径会先从窄职责代理开始
OpenAI已经把Dots放入Pro、Business Premium和Enterprise等计划的推出路径，并预告了具有独立身份、访问管理、IT配置硬件以及深度系统记录集成能力的专业代理。这个方向比“一个代理什么都做”更适合组织治理，因为专业代理可以绑定明确职责、有限系统和清晰审批流程。未来多个Dots协同工作的设想，实际上也要建立在这种职责拆分之上。
因此，合理的导入方式不是先把所有业务系统接入，再观察代理会做什么，而是挑选持续、重复、可审计且失败后容易人工接管的工作。例如反馈监测、分析重跑、资料更新和小型代码修复，都比直接授权代理修改账户、作出商业承诺更适合作为起点。Dots展示的是一种产品方向，但企业是否应该采用，最终取决于能否把它的目标、权限和审批责任写成组织可执行的规则。