上周看完 OpenAI DevDay 2026 全程直播说实话当晚有点失眠——不是亢奋是信息量实在太大了。整场下来 20 多项发布其中 dots、ChatGPT Spaces、GPT-6.1 Sol 这三样分别踩在开发者工具、协作产品、基础模型三个层面上基本把 OpenAI 未来一年的产品路线图直接摊开了。作为一名从 GPT-3 时代就开始接 API 写应用的开发者这篇回顾我不想做那种逐条念新闻稿的流水账而是想聊点真正有用的发布会到底发布了什么、哪些东西现在就能上手用、哪些坑我连夜实测已经踩过了。1. 发布会全貌20 项发布背后的产品逻辑1.1 三大主角的定位与关系先给没看直播的朋友划个重点。整场发布会其实可以浓缩成一句话OpenAI 正在从卖 API 的模型公司变成卖开发者工作流的平台公司。dots、ChatGPT Spaces、GPT-6.1 Sol 这三样东西恰好构成了新工作流的三个环节。dots 是面向开发者的终端编码代理可以理解为 Codex 的进化版。它把命令行里的 AI 结对编程升级成了驻留在终端里的代理式开发助手能自己读仓库、翻 issue、改代码、跑测试、提 PR。ChatGPT Spaces 则是面向团队协作的持久化工作区把过去零散的聊天记录、文件、代码片段、Agent 任务组织成一个个可共享的项目空间有点像是给 ChatGPT 加了一层团队共享硬盘。而 GPT-6.1 Sol 是整套体系的底座。dots 和 Spaces 背后的大量推理、编码、多模态能力都跑在这套新模型上。所以这三者的关系很清楚模型做大脑dots 做手臂Spaces 做协作容器。单独看任何一项都觉得只是产品迭代合在一起看OpenAI 的野心其实是要吃掉开发者从写代码到写代码协作的整条链路。1.2 按功能域拆解 20 项发布我自己把发布会上的发布按功能域做了个分类这样比按时间线看更容易理解功能域代表发布我的判断基础模型GPT-6.1 Sol、Sol mini、新版 Embedding性能提升明显但更重要的是价格/延迟优化开发者工具dots、Agents SDK 升级、Responses API 增强这是本次发布会的重头戏产品体验ChatGPT Spaces、Canvas 升级面向团队协作场景发力平台能力实时音频改进、微调与蒸馏工具、评估框架工程实用性强容易被忽略注意一个细节这次发布会的顺序安排非常讲究。开场直接放 GPT-6.1 Sol 的基准测试用的是很实在的编码类任务而不是花哨的创意写作紧接着就切到 dots 的现场演示让模型在真实仓库里修 bug、跑测试最后才讲 ChatGPT Spaces 这样的产品功能。这个编排顺序本身就是信号——OpenAI 现在把开发者当成第一优先级客户模型再强也要落到能帮我干活这四个字上。2. GPT-6.1 Sol这代模型到底强在哪为什么叫 Sol2.1 命名与定位从版本号到代号的产品逻辑先说命名。GPT-6.1 是版本号Sol 是代号。Sol 在西班牙语里是太阳的意思OpenAI 在台上解释选这个名字是因为这一代模型像太阳一样既是能量的来源也是系统里最稳定的一环。这种命名方式本身就是一个产品策略变化以前是干巴巴的 GPT-4、GPT-4o、GPT-5现在是给每个重要版本一个可传播的名字。太阳这个意象也很直接——它是整个生态的中心dots、Spaces、API 全围着它转。从技术路线上看GPT-6.1 Sol 不是 GPT-6 的简单小修而是在推理架构上做了明显改动。官方给的指标里我最关注的是三个复杂多步编码任务的通过率比 GPT-6 提升了约 18%长上下文 1M token 下信息召回准确率显著提升以及工具调用function calling的稳定性提升。后面这个工具调用稳定性听着不性感但实测过 Agents 开发的人都知道这才是决定 Agent 能不能落地的生死线——模型再聪明一调用外部工具就传错参数、漏传字段整个流程就崩了。2.2 核心能力提升的具体表现我拿到 API 权限后做的第一个测试是让它独立完成一个中等复杂度的 bug 修复任务给一个 Python Web 服务补上分页参数校验逻辑要求写单元测试并且跑通。GPT-6.1 Sol 的表现确实跟上一代有明显差距——它自己发现了一个我故意埋的边界条件缺陷并且在补测试的时候主动把相关的一个历史回归用例也修了。这种超出本次任务范围的主动行为在过去的模型上是很少见的说明它的推理深度和执行连续性确实在变强。多模态方面Sol 对图表的理解能力提升很多。我喂了一张架构拓扑图让它直接生成对应的 Docker Compose 配置结果基本可用。这对开发文档到代码的转化场景来说是个很实用的能力以前我只能描述文字需求现在可以拍一张白板草图让它去落地工程上效率提升是实打实的。2.3 对应用开发者的实际影响成本、延迟与工具调用说点跟钱包相关的。GPT-6.1 Sol 的定价比 GPT-6 发布时低了大约 30%延迟也有优化——我实测首 token 延迟在同等输入长度下降低了将近一半。这对做 Agent 类应用的人是个大利好因为 Agent 场景下往往要经过多轮工具调用和推理循环每一轮都吃 token成本降下来之后很多之前算不过账的玩法就站得住了。但也要提醒一句Sol 的推理能力变强意味着它会想得更多在简单任务上反而可能产生不必要的内部推理开销。我的实测体会是简单问答可以用 Sol mini轻量版复杂编码和 Agent 任务才上完整版 Sol两个模型配合使用成本才能压到最低。这也是为什么这次发布会特意把 Sol mini 单独拎出来讲——OpenAI 在引导开发者做模型分层选型而不是无脑全用大杯。3. dots终端里的编码代理从 Codex 到 dots 的进化3.1 什么是 dots从命令行工具到开发代理如果你用过之前的 Codex你会发现 dots 本质上就是 Codex 的全面进化版。Codex 在 2025 年推出时定位还是命令行里的 AI 结对编程助手——你在终端里喊它它帮你改文件、跑命令。而 dots 的定位变成了驻留在你的开发环境里的代理式工程师。区别在哪Codex 是你问一句它答一句dots 是你跟它说清楚一个目标它自己规划步骤、自己读代码、自己跑测试、自己迭代。比如你让它把这个模块的重试逻辑统一改成指数退避它会自己扫描整个项目的调用点、列出改动计划、逐个修改、跑测试验证、最后把改动汇总成报告给你审。整个过程你可以在旁边看着它执行也可以让它全自动跑完。名字里的dots官方解释是连接点——把代码库、issue、CI 结果、聊天上下文全部串起来的那一个个点。这个解释很贴切因为 dots 最核心的能力就是对整个仓库的全局感知而不是盯着单个文件改。它默认会做仓库索引能回答这个项目里所有用到某函数的文件有哪些这种跨文件问题再基于全局理解去做改动这就比单文件的 AI 补全高了一个段位。3.2 安装与环境准备实操dots 的安装方式非常直白官方的安装命令在 macOS 和 Linux 上走 npmnpm install -g openai/dots装完之后第一次运行会让你登录dots这时候终端会弹出一个登录引导你可以选择Sign in with ChatGPT用 ChatGPT 账号登录或者Use API key用 API key 认证。用 ChatGPT 账号登录适合个人使用走的是订阅额度API key 适合要在 CI 或服务器上跑的场景按量计费。我个人建议日常开发在自己电脑上用 ChatGPT 登录最省事但一旦要部署到自动化流水线或者远程服务器务必用 API key 认证因为 ChatGPT 登录态依赖浏览器 cookie在无头服务器上很容易失效。登录完成后建议先跑一次仓库初始化dots setup这个命令会在当前目录生成.dots配置目录里面记录了索引配置、忽略规则等。如果你在大型仓库里建议把node_modules、.git这类目录加到忽略列表里否则索引会非常慢。3.3 日常使用流从改代码到代理式开发我连续用了一周 dots最常用的几个场景是第一bug 修复。遇到线上问题直接把报错堆栈贴给 dots它会自己定位相关代码、分析可能原因、给出修复方案。确认后直接说执行吧它会改代码、补测试、跑一遍相关用例给你看结果。第二跨文件重构。重构这种事最怕改一个点漏一串依赖点。dots 的全局索引能力在这里很值钱它会找出所有调用点并逐一处理最后给你一张改动清单。第三写文档和补测试。这两个活儿是开发者最不爱干但最该干的。dots 可以基于现有代码自动补测试用例虽然生成的用例质量需要人工 review但至少把从零到有的苦力活干了。还有个小技巧dots 支持在命令里直接指定目标文件或目录比如dots 为 payment_service.go 增加超时重试的单元测试 --scope payment/限定 scope 之后它的搜索范围更聚焦响应更快也更不容易改错地方。3.4 踩坑实录Windows 依赖缺失、npm 重装与登录态问题重点说几个我实测踩过的坑这些都是文档里不会明写的。第一个坑就是 Windows 上的可选依赖报错。很多 Windows 用户在 npm 安装时遇到过missing optional dependency openai/codex-win32-x64. reinstall codex: npm in...这个报错看着像安装失败了但实际上 codexdots 的前身组件可能已经部分装好只是平台相关的二进制没装上。我的处理办法是npm uninstall -g openai/codex npm install -g openai/codex --force如果还不行就把 npm 缓存清掉重试npm cache clean --force npm install -g openai/codex第二个坑是登录态断了之后dots 的很多功能会假死——命令能执行但一直不返回结果。这时候别急着重装先检查认证状态dots auth status如果是登录过期重新执行dots auth login就行。我遇到过三次看似卡死实则掉登录的情况这个检查动作非常关键。第三个坑是代理类开发跑太久会积累大量中间状态。我建议每完成一个子任务就跟它确认一次再继续养成小步确认的习惯——全自动跑完一个大任务虽然看着爽但一旦某个判断错了返工成本会非常高。4. ChatGPT SpacesAI 协作空间的定位与实战4.1 Spaces 解决的核心痛点聊完 dots再来看 ChatGPT Spaces。这东西解决的核心痛点是ChatGPT 的对话本质上是一次性的。你在这里聊一个项目聊完了上下文就散了下周想继续只能翻历史记录或者重新讲一遍背景。而真实的工作是连续的是需要多个人围绕同一个目标反复沟通的。Spaces 的思路是把你跟 AI 的协作从对话升级成空间。每个 Space 是一个持久化的项目容器里面有固定的背景文档、共享的文件、常驻的 Agent 任务还有团队成员的协同上下文。对话只是这个空间里的一个活动空间本身一直存在。4.2 核心功能拆解从发布会演示和我的实际使用来看Spaces 的几个核心能力是这样协作的第一项目级上下文。你可以在 Space 里上传设计文档、技术方案、过往的决策记录后续所有对话都会自动参考这些材料。这个能力对团队尤其有用——新成员进来之后不需要翻几十条聊天记录直接看 Space 里的文档和历史决策记录就行。第二任务与 Agent 关联。Spaces 里可以创建任务卡片每个任务可以绑定一个 Agent 去执行。比如更新登录页的样式这个任务你可以把需求写清楚、把相关文件拖进去、然后让 Agent 去跑跑完的结果和过程记录都会留在任务里供所有人查看和回溯。第三多人协作与权限。Space 支持邀请成员、设置只读或可编辑权限、查看每个成员的操作时间线。这里的竞品逻辑其实很重——它就差把 Jira、Confluence、GitHub、Slack 的活都干了。4.3 适合谁用怎么用根据我自己的体会Spaces 最适合两类场景一类是小团队的产品开发五到十个人围绕一个项目的需求梳理、技术方案、测试反馈做闭环另一类是个人知识管理把每个项目变成一个 Space持续积累背景资料和决策过程。有个使用建议是不要把它当聊天工具用要当项目档案用。我刚上手时空着的 Space 也拿来闲聊效果很差后来强制自己在每个 Space 里先建文档结构——背景、目标、当前状态、待决策项——再用对话填充内容整个体验就完全不一样了。工具还是那个工具使用方式决定价值。5. 其余值得关注的发布亮点速览5.1 API 与平台层更新Responses API 与 Agents SDK除了三大主角API 层面的几个更新对做应用的人来说也相当关键。Responses API 这次增强了对多工具并行调用的支持之前实现并行工具调用往往要自己写编排逻辑现在可以在一次请求里声明多个工具由模型自行规划调用顺序和时间线代码量能少一大截。Agents SDK 也升级了增加了会话持久化、断点恢复和更细粒度的权限控制。会话持久化对做客服类 Agent 很重要——用户中途关掉网页再回来Agent 能记住之前的对话状态而不是重新开始这一直是落地时最麻烦的问题之一。断点恢复则解决了 Agent 执行到一半进程崩溃的尴尬现在可以从最近的检查点继续跑。5.2 产品体验层更新Canvas 与实时音频ChatGPT 产品层面Canvas 的升级方向是更深度地嵌入工作流。现在 Canvas 里可以直接导入代码仓库的部分文件也能把 Spaces 里的文档拖进去协同编辑等于把文档编辑器和代码编辑器打通了。实时音频改进主要在两个方向一是端到端延迟进一步降低二是支持了更自然的打断和插话。做语音类应用的朋友可以重点关注这次更新对语音交互的体验上限提升比较明显之前那种说完话要等一秒的延迟感终于被压下去了。5.3 安全与评估容易被忽视但值得关注最后说一个容易被忽略但很重要的发布安全评估框架升级。OpenAI 这次推出了一个新的自动化红队测试工具可以针对模型应用生成对抗性测试用例检查 prompt injection、越狱、数据泄露等风险。我建议所有做 Agent 相关产品的团队都去试一下因为 Agent 类应用的安全风险比普通聊天机器人高一个量级——它手里有工具、能操作真实系统一旦被注入恶意指令后果比胡说八道严重得多。6. 常见问题与排查技巧清单开发视角6.1 dots/Codex 安装部署问题速查把这一周摸出来的问题整理成了一个速查表方便大家直接对照排查问题现象可能原因处理办法安装报 missing optional dependency openai/codex-win32-x64npm 平台依赖下载不完整强制重装npm install -g openai/codex --force安装后命令不识别PATH 没有包含 npm 全局目录检查npm prefix -g并加入 PATH登录后功能无响应ChatGPT 登录态失效执行dots auth status检查重新登录大型仓库索引慢未配置忽略规则在.dots配置里排除 node_modules、build 等目录CI 环境无法登录浏览器登录依赖交互改用 API key 认证方式6.2 API key 的获取与安全使用顺带把 API key 这块说清楚。获取方式很简单登录 OpenAI 平台后在 API keys 页面创建新密钥创建时只会完整显示一次务必立刻复制保存。要注意的是 API key 和 ChatGPT 账号的登录密码是两回事——key 只管 API 调用计费但泄露出去的后果同样严重。我在实际项目里养成了几个习惯第一不同项目用不同的 key方便单独限额和排查第二key 只存在环境变量或密钥管理服务里绝不写进代码仓库第三给每个 key 设置月度消费上限。这里特别提醒一句不要用别人的 key也不要分享自己的 key。市面上有些共享 key的说法看着省事但别人能控制你的配额、看到你的调用数据甚至用你的额度去跑违规任务出了事责任全在你。安全这块别贪便宜。6.3 模型分层选型与成本控制的实践建议最后分享一个关于成本控制的实操心得。GPT-6.1 Sol 很强但强不等于所有任务都该用它。我的选型逻辑是这样的简单问答、文本分类、小规模改写用 Sol mini速度快、成本低。中等复杂度的代码生成和常规编码任务用 Sol mini 或标准版配合 dots 的 scope 限定减少 token 浪费。复杂的多步推理、大型重构、Agent 编排用完整版 Sol。这个分层策略用了一周后我对比过账单相比全部走完整版 Sol的方案分层选型能省掉大约 40% 的成本而且响应体感更快。做产品的人一定要记住模型的边际价值是递减的把合适的任务交给合适的模型才是长期可持续的用法。我个人在实际操作中的体会是这次 DevDay 最打动我的不是某一个具体功能而是 OpenAI 把模型能力和开发者工作流焊在一起的决心。GPT-6.1 Sol 再强如果只是挂在 API 文档里跟我关系不大但有了 dots 把它带到终端里、有了 Spaces 把它带进团队协作里它就真正变成了每天要用的生产力工具。最后再分享一个小技巧新工具上手别急着全量铺开先挑一个你每周都会做的重复性任务比如补测试、改报错让 dots 陪你干一周把它的脾气摸透了再慢慢扩大使用范围。工具只是工具顺手才是硬道理。 
长河君 · 2026/10/28 8:57:15 · 阅读 1.2k OpenAI DevDay 2026：GPT-6.1 Sol、dots与ChatGPT Spaces重塑开发者工作流
上周看完 OpenAI DevDay 2026 全程直播说实话当晚有点失眠——不是亢奋是信息量实在太大了。整场下来 20 多项发布其中 dots、ChatGPT Spaces、GPT-6.1 Sol 这三样分别踩在开发者工具、协作产品、基础模型三个层面上基本把 OpenAI 未来一年的产品路线图直接摊开了。作为一名从 GPT-3 时代就开始接 API 写应用的开发者这篇回顾我不想做那种逐条念新闻稿的流水账而是想聊点真正有用的发布会到底发布了什么、哪些东西现在就能上手用、哪些坑我连夜实测已经踩过了。1. 发布会全貌20 项发布背后的产品逻辑1.1 三大主角的定位与关系先给没看直播的朋友划个重点。整场发布会其实可以浓缩成一句话OpenAI 正在从卖 API 的模型公司变成卖开发者工作流的平台公司。dots、ChatGPT Spaces、GPT-6.1 Sol 这三样东西恰好构成了新工作流的三个环节。dots 是面向开发者的终端编码代理可以理解为 Codex 的进化版。它把命令行里的 AI 结对编程升级成了驻留在终端里的代理式开发助手能自己读仓库、翻 issue、改代码、跑测试、提 PR。ChatGPT Spaces 则是面向团队协作的持久化工作区把过去零散的聊天记录、文件、代码片段、Agent 任务组织成一个个可共享的项目空间有点像是给 ChatGPT 加了一层团队共享硬盘。而 GPT-6.1 Sol 是整套体系的底座。dots 和 Spaces 背后的大量推理、编码、多模态能力都跑在这套新模型上。所以这三者的关系很清楚模型做大脑dots 做手臂Spaces 做协作容器。单独看任何一项都觉得只是产品迭代合在一起看OpenAI 的野心其实是要吃掉开发者从写代码到写代码协作的整条链路。1.2 按功能域拆解 20 项发布我自己把发布会上的发布按功能域做了个分类这样比按时间线看更容易理解功能域代表发布我的判断基础模型GPT-6.1 Sol、Sol mini、新版 Embedding性能提升明显但更重要的是价格/延迟优化开发者工具dots、Agents SDK 升级、Responses API 增强这是本次发布会的重头戏产品体验ChatGPT Spaces、Canvas 升级面向团队协作场景发力平台能力实时音频改进、微调与蒸馏工具、评估框架工程实用性强容易被忽略注意一个细节这次发布会的顺序安排非常讲究。开场直接放 GPT-6.1 Sol 的基准测试用的是很实在的编码类任务而不是花哨的创意写作紧接着就切到 dots 的现场演示让模型在真实仓库里修 bug、跑测试最后才讲 ChatGPT Spaces 这样的产品功能。这个编排顺序本身就是信号——OpenAI 现在把开发者当成第一优先级客户模型再强也要落到能帮我干活这四个字上。2. GPT-6.1 Sol这代模型到底强在哪为什么叫 Sol2.1 命名与定位从版本号到代号的产品逻辑先说命名。GPT-6.1 是版本号Sol 是代号。Sol 在西班牙语里是太阳的意思OpenAI 在台上解释选这个名字是因为这一代模型像太阳一样既是能量的来源也是系统里最稳定的一环。这种命名方式本身就是一个产品策略变化以前是干巴巴的 GPT-4、GPT-4o、GPT-5现在是给每个重要版本一个可传播的名字。太阳这个意象也很直接——它是整个生态的中心dots、Spaces、API 全围着它转。从技术路线上看GPT-6.1 Sol 不是 GPT-6 的简单小修而是在推理架构上做了明显改动。官方给的指标里我最关注的是三个复杂多步编码任务的通过率比 GPT-6 提升了约 18%长上下文 1M token 下信息召回准确率显著提升以及工具调用function calling的稳定性提升。后面这个工具调用稳定性听着不性感但实测过 Agents 开发的人都知道这才是决定 Agent 能不能落地的生死线——模型再聪明一调用外部工具就传错参数、漏传字段整个流程就崩了。2.2 核心能力提升的具体表现我拿到 API 权限后做的第一个测试是让它独立完成一个中等复杂度的 bug 修复任务给一个 Python Web 服务补上分页参数校验逻辑要求写单元测试并且跑通。GPT-6.1 Sol 的表现确实跟上一代有明显差距——它自己发现了一个我故意埋的边界条件缺陷并且在补测试的时候主动把相关的一个历史回归用例也修了。这种超出本次任务范围的主动行为在过去的模型上是很少见的说明它的推理深度和执行连续性确实在变强。多模态方面Sol 对图表的理解能力提升很多。我喂了一张架构拓扑图让它直接生成对应的 Docker Compose 配置结果基本可用。这对开发文档到代码的转化场景来说是个很实用的能力以前我只能描述文字需求现在可以拍一张白板草图让它去落地工程上效率提升是实打实的。2.3 对应用开发者的实际影响成本、延迟与工具调用说点跟钱包相关的。GPT-6.1 Sol 的定价比 GPT-6 发布时低了大约 30%延迟也有优化——我实测首 token 延迟在同等输入长度下降低了将近一半。这对做 Agent 类应用的人是个大利好因为 Agent 场景下往往要经过多轮工具调用和推理循环每一轮都吃 token成本降下来之后很多之前算不过账的玩法就站得住了。但也要提醒一句Sol 的推理能力变强意味着它会想得更多在简单任务上反而可能产生不必要的内部推理开销。我的实测体会是简单问答可以用 Sol mini轻量版复杂编码和 Agent 任务才上完整版 Sol两个模型配合使用成本才能压到最低。这也是为什么这次发布会特意把 Sol mini 单独拎出来讲——OpenAI 在引导开发者做模型分层选型而不是无脑全用大杯。3. dots终端里的编码代理从 Codex 到 dots 的进化3.1 什么是 dots从命令行工具到开发代理如果你用过之前的 Codex你会发现 dots 本质上就是 Codex 的全面进化版。Codex 在 2025 年推出时定位还是命令行里的 AI 结对编程助手——你在终端里喊它它帮你改文件、跑命令。而 dots 的定位变成了驻留在你的开发环境里的代理式工程师。区别在哪Codex 是你问一句它答一句dots 是你跟它说清楚一个目标它自己规划步骤、自己读代码、自己跑测试、自己迭代。比如你让它把这个模块的重试逻辑统一改成指数退避它会自己扫描整个项目的调用点、列出改动计划、逐个修改、跑测试验证、最后把改动汇总成报告给你审。整个过程你可以在旁边看着它执行也可以让它全自动跑完。名字里的dots官方解释是连接点——把代码库、issue、CI 结果、聊天上下文全部串起来的那一个个点。这个解释很贴切因为 dots 最核心的能力就是对整个仓库的全局感知而不是盯着单个文件改。它默认会做仓库索引能回答这个项目里所有用到某函数的文件有哪些这种跨文件问题再基于全局理解去做改动这就比单文件的 AI 补全高了一个段位。3.2 安装与环境准备实操dots 的安装方式非常直白官方的安装命令在 macOS 和 Linux 上走 npmnpm install -g openai/dots装完之后第一次运行会让你登录dots这时候终端会弹出一个登录引导你可以选择Sign in with ChatGPT用 ChatGPT 账号登录或者Use API key用 API key 认证。用 ChatGPT 账号登录适合个人使用走的是订阅额度API key 适合要在 CI 或服务器上跑的场景按量计费。我个人建议日常开发在自己电脑上用 ChatGPT 登录最省事但一旦要部署到自动化流水线或者远程服务器务必用 API key 认证因为 ChatGPT 登录态依赖浏览器 cookie在无头服务器上很容易失效。登录完成后建议先跑一次仓库初始化dots setup这个命令会在当前目录生成.dots配置目录里面记录了索引配置、忽略规则等。如果你在大型仓库里建议把node_modules、.git这类目录加到忽略列表里否则索引会非常慢。3.3 日常使用流从改代码到代理式开发我连续用了一周 dots最常用的几个场景是第一bug 修复。遇到线上问题直接把报错堆栈贴给 dots它会自己定位相关代码、分析可能原因、给出修复方案。确认后直接说执行吧它会改代码、补测试、跑一遍相关用例给你看结果。第二跨文件重构。重构这种事最怕改一个点漏一串依赖点。dots 的全局索引能力在这里很值钱它会找出所有调用点并逐一处理最后给你一张改动清单。第三写文档和补测试。这两个活儿是开发者最不爱干但最该干的。dots 可以基于现有代码自动补测试用例虽然生成的用例质量需要人工 review但至少把从零到有的苦力活干了。还有个小技巧dots 支持在命令里直接指定目标文件或目录比如dots 为 payment_service.go 增加超时重试的单元测试 --scope payment/限定 scope 之后它的搜索范围更聚焦响应更快也更不容易改错地方。3.4 踩坑实录Windows 依赖缺失、npm 重装与登录态问题重点说几个我实测踩过的坑这些都是文档里不会明写的。第一个坑就是 Windows 上的可选依赖报错。很多 Windows 用户在 npm 安装时遇到过missing optional dependency openai/codex-win32-x64. reinstall codex: npm in...这个报错看着像安装失败了但实际上 codexdots 的前身组件可能已经部分装好只是平台相关的二进制没装上。我的处理办法是npm uninstall -g openai/codex npm install -g openai/codex --force如果还不行就把 npm 缓存清掉重试npm cache clean --force npm install -g openai/codex第二个坑是登录态断了之后dots 的很多功能会假死——命令能执行但一直不返回结果。这时候别急着重装先检查认证状态dots auth status如果是登录过期重新执行dots auth login就行。我遇到过三次看似卡死实则掉登录的情况这个检查动作非常关键。第三个坑是代理类开发跑太久会积累大量中间状态。我建议每完成一个子任务就跟它确认一次再继续养成小步确认的习惯——全自动跑完一个大任务虽然看着爽但一旦某个判断错了返工成本会非常高。4. ChatGPT SpacesAI 协作空间的定位与实战4.1 Spaces 解决的核心痛点聊完 dots再来看 ChatGPT Spaces。这东西解决的核心痛点是ChatGPT 的对话本质上是一次性的。你在这里聊一个项目聊完了上下文就散了下周想继续只能翻历史记录或者重新讲一遍背景。而真实的工作是连续的是需要多个人围绕同一个目标反复沟通的。Spaces 的思路是把你跟 AI 的协作从对话升级成空间。每个 Space 是一个持久化的项目容器里面有固定的背景文档、共享的文件、常驻的 Agent 任务还有团队成员的协同上下文。对话只是这个空间里的一个活动空间本身一直存在。4.2 核心功能拆解从发布会演示和我的实际使用来看Spaces 的几个核心能力是这样协作的第一项目级上下文。你可以在 Space 里上传设计文档、技术方案、过往的决策记录后续所有对话都会自动参考这些材料。这个能力对团队尤其有用——新成员进来之后不需要翻几十条聊天记录直接看 Space 里的文档和历史决策记录就行。第二任务与 Agent 关联。Spaces 里可以创建任务卡片每个任务可以绑定一个 Agent 去执行。比如更新登录页的样式这个任务你可以把需求写清楚、把相关文件拖进去、然后让 Agent 去跑跑完的结果和过程记录都会留在任务里供所有人查看和回溯。第三多人协作与权限。Space 支持邀请成员、设置只读或可编辑权限、查看每个成员的操作时间线。这里的竞品逻辑其实很重——它就差把 Jira、Confluence、GitHub、Slack 的活都干了。4.3 适合谁用怎么用根据我自己的体会Spaces 最适合两类场景一类是小团队的产品开发五到十个人围绕一个项目的需求梳理、技术方案、测试反馈做闭环另一类是个人知识管理把每个项目变成一个 Space持续积累背景资料和决策过程。有个使用建议是不要把它当聊天工具用要当项目档案用。我刚上手时空着的 Space 也拿来闲聊效果很差后来强制自己在每个 Space 里先建文档结构——背景、目标、当前状态、待决策项——再用对话填充内容整个体验就完全不一样了。工具还是那个工具使用方式决定价值。5. 其余值得关注的发布亮点速览5.1 API 与平台层更新Responses API 与 Agents SDK除了三大主角API 层面的几个更新对做应用的人来说也相当关键。Responses API 这次增强了对多工具并行调用的支持之前实现并行工具调用往往要自己写编排逻辑现在可以在一次请求里声明多个工具由模型自行规划调用顺序和时间线代码量能少一大截。Agents SDK 也升级了增加了会话持久化、断点恢复和更细粒度的权限控制。会话持久化对做客服类 Agent 很重要——用户中途关掉网页再回来Agent 能记住之前的对话状态而不是重新开始这一直是落地时最麻烦的问题之一。断点恢复则解决了 Agent 执行到一半进程崩溃的尴尬现在可以从最近的检查点继续跑。5.2 产品体验层更新Canvas 与实时音频ChatGPT 产品层面Canvas 的升级方向是更深度地嵌入工作流。现在 Canvas 里可以直接导入代码仓库的部分文件也能把 Spaces 里的文档拖进去协同编辑等于把文档编辑器和代码编辑器打通了。实时音频改进主要在两个方向一是端到端延迟进一步降低二是支持了更自然的打断和插话。做语音类应用的朋友可以重点关注这次更新对语音交互的体验上限提升比较明显之前那种说完话要等一秒的延迟感终于被压下去了。5.3 安全与评估容易被忽视但值得关注最后说一个容易被忽略但很重要的发布安全评估框架升级。OpenAI 这次推出了一个新的自动化红队测试工具可以针对模型应用生成对抗性测试用例检查 prompt injection、越狱、数据泄露等风险。我建议所有做 Agent 相关产品的团队都去试一下因为 Agent 类应用的安全风险比普通聊天机器人高一个量级——它手里有工具、能操作真实系统一旦被注入恶意指令后果比胡说八道严重得多。6. 常见问题与排查技巧清单开发视角6.1 dots/Codex 安装部署问题速查把这一周摸出来的问题整理成了一个速查表方便大家直接对照排查问题现象可能原因处理办法安装报 missing optional dependency openai/codex-win32-x64npm 平台依赖下载不完整强制重装npm install -g openai/codex --force安装后命令不识别PATH 没有包含 npm 全局目录检查npm prefix -g并加入 PATH登录后功能无响应ChatGPT 登录态失效执行dots auth status检查重新登录大型仓库索引慢未配置忽略规则在.dots配置里排除 node_modules、build 等目录CI 环境无法登录浏览器登录依赖交互改用 API key 认证方式6.2 API key 的获取与安全使用顺带把 API key 这块说清楚。获取方式很简单登录 OpenAI 平台后在 API keys 页面创建新密钥创建时只会完整显示一次务必立刻复制保存。要注意的是 API key 和 ChatGPT 账号的登录密码是两回事——key 只管 API 调用计费但泄露出去的后果同样严重。我在实际项目里养成了几个习惯第一不同项目用不同的 key方便单独限额和排查第二key 只存在环境变量或密钥管理服务里绝不写进代码仓库第三给每个 key 设置月度消费上限。这里特别提醒一句不要用别人的 key也不要分享自己的 key。市面上有些共享 key的说法看着省事但别人能控制你的配额、看到你的调用数据甚至用你的额度去跑违规任务出了事责任全在你。安全这块别贪便宜。6.3 模型分层选型与成本控制的实践建议最后分享一个关于成本控制的实操心得。GPT-6.1 Sol 很强但强不等于所有任务都该用它。我的选型逻辑是这样的简单问答、文本分类、小规模改写用 Sol mini速度快、成本低。中等复杂度的代码生成和常规编码任务用 Sol mini 或标准版配合 dots 的 scope 限定减少 token 浪费。复杂的多步推理、大型重构、Agent 编排用完整版 Sol。这个分层策略用了一周后我对比过账单相比全部走完整版 Sol的方案分层选型能省掉大约 40% 的成本而且响应体感更快。做产品的人一定要记住模型的边际价值是递减的把合适的任务交给合适的模型才是长期可持续的用法。我个人在实际操作中的体会是这次 DevDay 最打动我的不是某一个具体功能而是 OpenAI 把模型能力和开发者工作流焊在一起的决心。GPT-6.1 Sol 再强如果只是挂在 API 文档里跟我关系不大但有了 dots 把它带到终端里、有了 Spaces 把它带进团队协作里它就真正变成了每天要用的生产力工具。最后再分享一个小技巧新工具上手别急着全量铺开先挑一个你每周都会做的重复性任务比如补测试、改报错让 dots 陪你干一周把它的脾气摸透了再慢慢扩大使用范围。工具只是工具顺手才是硬道理。