趋势解读：Introducing workspace agents in ChatGPT，聚焦 Agent 工作流自动化

ChatGPT中的workspace agents是由Codex驱动的代理，它们自动化复杂工作流，在云端运行，并帮助团队安全地跨工具扩展工作。

OpenAI在ChatGPT中推出由Codex驱动的workspace agents，可自动化复杂工作流并在云端安全运行，帮助团队跨工具扩展工作。

• OpenAI推出Codex驱动的workspace agents，实现自动化工作流
• agent在云端后台运行，可跨工具安全协作
• 非技术人员用自然语言即可创建复杂流程
• 降低企业自动化门槛，提升团队效率
• 当前仅限OpenAI生态，第三方集成待后续

这是什么信号：OpenAI正式将代码执行能力（Codex）与ChatGPT对话界面结合，推出workspace agents。这标志着AI从单纯聊天向主动执行任务迈出关键一步，类似于让AI拥有“手”去操作工具。

为什么重要：它降低了自动化门槛——非技术人员只需用自然语言描述工作流，即可创建能在云端后台持续运行的agent。企业无需编写复杂代码就能实现跨应用（如Slack、Notion、邮箱）的自动化串联，尤其适合重复性高、规则明确的多步骤流程。

对谁有价值：对团队主管、运营人员、中小企业主来说，可以直接用ChatGPT快速搭建自动化流程（例如自动整理客户邮件并生成报表）。对开发者，workspace agents提供了可扩展的API基础，但当前版本限制在OpenAI生态内。

可以怎么行动：立即在ChatGPT Plus或Team工作区中尝试创建简单的agent（如每天自动总结未读邮件并发送摘要）。梳理团队内耗时最多的跨工具操作，优先用agent替换。关注后续第三方工具集成，提前规划迁移。

风险或限制：目前agent仅限OpenAI官方工具（如文件预览、代码解释器），对第三方应用支持有限。安全方面，agent有权读写工作区数据，需注意权限最小化。另外，复杂推理任务仍可能出现幻觉，建议将agent用于确定性流程而非决策。

信息差价值：多数人仍将ChatGPT看作对话工具，而workspace agents使其具备“执行”属性——这是从AI copilot到AI worker的质变。早期使用者能抢先在内部搭建实验性工作流，积累数据优势。

业务启发：对于依赖人工操作跨系统数据的公司（如客服、销售流程），可直接用agent替代中台二次开发。建议首先从“数据搬运”场景切入（如CRM→邮件→报表），再逐步引入判断节点。

可沉淀动作：1. 在ChatGPT工作区内创建3个最小可行agent（如日报摘要、竞品监控、工单分配）。2. 记录每个agent的输入输出和异常次数，形成操作手册。3. 每周复盘agent效果，迭代提示词，为后续企业级部署积累经验。

• OpenAI News 原帖