OpenAI Dots 常駐代理：主動工作走到哪，權限又留在哪？（2026）

2026 年 9 月 29 日，OpenAI 在官網發布〈Introducing dots〉，把 OpenAI Dots 描述為會持續處理工作、連接應用程式，並在需要時把決定交還給人的代理。這篇文章的關鍵問題是：當助理不再等你每次發問，什麼工作真的可以放心交給它？

原文先展示持續委託的願景，再列出雲端電腦、連接工具、背景研究和批准機制。讀完產品說法，還要把示範與可驗證的安全邊界分開看：前者告訴你 OpenAI 希望 Dots 如何工作，後者決定你現在該交出多少權限。

OpenAI Dots 的核心主張：把「問一次」變成「持續交辦」

OpenAI 說，Dot 有自己的雲端電腦與瀏覽器，可使用你連接的應用程式；它能同時推進多個專案，從 ChatGPT、Slack 或 Teams 接收補充資訊，再把結果帶回來。官方列舉工程修錯、產品發布、研究更新、業務提案與內容製作，強調的是跨時間、跨工具保留同一件工作的上下文。OpenAI 還稱其外掛生態可連接逾 4,000 個應用；這是平台覆蓋範圍的公司說法，不等於每位使用者都已取得每一項整合或權限。

這個轉變值得注意。一般聊天要由你發現問題、整理背景、再次提問；常駐代理則試圖自己留意變化、準備下一步。省下的不是打一段提示詞的時間，而是反覆重新交代目標與收集進度的時間。代價也跟著變大：它越能看見你的資料、越能跨日延續任務，權限與驗收就越不能只靠一句「幫我處理」。

原文的示範能證明什麼？

OpenAI 在發布文中舉例：有測試者的 Dot 發現尚未寄出的發票，先備好發票，經本人批准後才送出。這是公司挑選的早期案例，足以說明預期的人機交接方式；它沒有交代樣本數、錯誤率、節省工時或失敗後如何補救，因此不能當成一般任務成功率。

畫面最值得看的是「回來給人審」的節點，而不是角色有多可愛。若 Dot 提出程式修正，真正的交付證據仍是變更內容、測試結果、影響範圍與誰批准合併；若它準備發票，則要對上收件人、金額、付款資料與送出紀錄。代理可以把候選成果提前準備好，成果是否正確仍由外部事實決定。

「主動」不等於背景裡可以任意執行

We call this “proactive research”.

中文：OpenAI 把這種背景中尋找可幫忙事項的流程稱為「主動研究」。

OpenAI，〈Introducing dots〉

這是原文容易被「全天候代理」口號蓋過的界線。依 OpenAI 的安全說明，主動研究只讀取已授權的連接來源並留下私有筆記；該研究工具本身不能替你傳訊、改動連接應用內容，或操控瀏覽器及電腦。後續若要行動，仍走一般的權限、規則與檢查流程。這並不表示 Dot 接到你明確交辦的任務後永遠只能讀取：兩種工作模式要分開理解。

OpenAI 描述的控制層有三道：你選擇接入哪些帳號與工具；Custom Rules 限定可以獨立做、必須詢問或禁止做的動作；Auto-review 在部分會影響帳號或分享資訊的動作前，另行檢查指示與安全要求。密碼變更等敏感步驟由人接手，購買與永久刪除等動作有個別批准條件。這些是官方設計與政策描述，還需要實際使用中的錯誤紀錄來檢驗其效果。

安全測試給了線索，也留下了未知數

OpenAI 的 GPT-6 Astra 系統卡中 Dots 附錄 比發布文更適合拿來校準信心。公司在一組「執行途中環境或權限改變」的內部測試裡，報告 Dot 通過 45／49 題（91.8%），其中 17 題明確權限變更全數通過；另外四題的工作邊界存在歧義。這不是正式環境中每 100 件任務的成功率，因為題目、樣本量與測試配置都不同。

同一份系統卡也報告，在特別挑選較容易失準的複雜工作情境中，Dots 配置的嚴重失準率為 0.84%；OpenAI 自己提醒，這些挑選過的情境不代表實際使用分布。它還描述提示注入紅隊測試與早期確認政策的修正。這些數字說明 OpenAI 有針對風險設計測試，卻不足以證成「連上所有工作資料後就能放心放手」。

Dots can still make mistakes, so always review consequential work.

中文：Dots 仍可能出錯；涉及重要後果的工作，仍要檢查結果。

OpenAI，〈Introducing dots〉

誰現在能用？成本與資料控制要分開看

依 OpenAI 的 Dots 入門說明，2026 年 9 月 30 日正在逐步開放：Pro 在指定市場開始取得存取權，Business Premium 在支援 ChatGPT 的地區開放，Enterprise 測試版須管理員啟用。Pro 的開放市場目前排除歐洲經濟區、瑞士與英國；帳號可能要等數天才看得到。建立第一個 Dot 要從桌面 App 或桌面網頁開始。原文說 Pro 與 Business Premium 方案含第一個 Dot；深入工作有方案額度，Dot 啟動 Codex 或 ChatGPT Work 任務時，後者依各自用量計算。不要把「第一個 Dot 已包含」讀成所有後續工作都無上限。

資料控制也不是「斷開連接＝忘掉曾讀過的內容」。官方隱私 FAQ 說，斷開外掛會停止後續透過該連接取得新資料，但 Dot 已納入上下文的資訊仍會留下；目前不能逐條檢視或刪除 Dot 的個別記憶，刪除整個 Dot 才會刪除它自己的上下文。它另建的檔案、Codex 討論與 ChatGPT 對話有各自保存位置。這對打算接入郵件、文件與客戶資料的人，比角色設定更值得先看。

AlphaLab 的判讀：真正的新能力是交辦，但驗收不能外包

我同意：讓代理保留目標、跨工具追進度，的確能解掉「每次都重新交代」這個工作摩擦。OpenAI Dots 把雲端執行環境、通訊入口與批准節點放在同一產品裡，比單純延長聊天紀錄更接近一個持續工作的助手。若你常做多步、可明確檢查成果的任務，這個設計有實際價值。

我存疑：原文展示的是被挑選的成功故事，公開測試聚焦若干安全風險，兩者仍無法回答一般用戶最在意的完整問題：它在不同任務上能穩定完成多少、漏報多少、錯誤要花多久補救，以及人要花多少時間審查。當工作跨好幾天，單次小錯可能在更多步驟中累積；連接越多服務，錯誤的波及範圍也越大。可見的批准機制能縮小部分後果，卻不能替代資料範圍限制與結果核對。

判斷 OpenAI Dots 值不值得用，先問四件事：它能看什麼？能直接改什麼？每個重要動作由誰批准？你最後能拿到什麼可核對的成果？若這四題答得清楚，常駐才可能變成省力；若答不清楚，持續運轉只是把模糊任務放大。

想試 OpenAI Dots，先選一件可撤回的小工作

若帳號已有開放權限，先用不含敏感資料的小專案試一週：例如每天整理一份公開資訊摘要。只接入這件事需要的來源，寫清楚交付時間、要附的原始連結、哪些內容不得更改或外發，再從 Activity View 看它做了什麼。第二輪才增加一項低風險寫入工作，要求先提出草稿與變更紀錄，確認審查時間真的比自己重做短。涉及郵件或雲端檔案時，可參考 AlphaLab 的 AI Agent 試算表權限驗收，先把連接器看到的範圍查清楚。