OpenAI發布工作流Agent，GPTs進入倒計時

OpenAI凌晨發布了Workspace Agents，GPTs開始進入倒計時。

這個新產品被介紹為GPTs的進化形態，定位很明確：面向團隊，把一段可以重復執行的工作流程，做成一個可共享、可運行的agent。

它由Codex驅動，有自己的工作空間，可以接觸文件、調用工具，并在后臺持續執行任務。

你把團隊里反復做的工作流描述給ChatGPT，比如讓它收集信息、做判斷、生成結果，再把結果發出去，ChatGPT就會把這個流程搭成一個Agent，然后你的整個團隊都可以在ChatGPT或Slack里用這個Agent，一邊用一邊改。

搭好之后它就會在后臺一直跑，人走它還在。

聽起來好熟悉，像OpenClaw·團隊版。

01

團隊共享的agent

Workspace Agents如其名，工作空間的agent，就是面向工作團隊的。

這個新功能放在ChatGPT的側邊欄里，是一個單獨的入口，點進去之后會出現一個可以搭流程的地方。

你可以從零創建一個agent，也可以基于官方提供的模板來改。整個過程不需要寫代碼，大白話描述流程就行，系統會一步步把它拆開：需要做哪些步驟，用到哪些工具，最后輸出什么結果。

創建好的agent會出現在團隊目錄里，其他成員可以直接調用同一個agent，也可以在使用過程中對流程進行調整和補充。

也就是說，流程變成了團隊可以復用的工具。而且它不是一次寫死的，可以在使用中不斷被修正。

除此之外，Workspace Agents有自己的工作空間，可以讀取和保存文件、調用已經連接的工具，像郵件、日歷、文檔系統或其他業務系統，以及在需要的時候執行代碼。

它還可以持續運行，手動觸發或者定時都可以，流程一旦開始，它就會按照設定的步驟往下執行，不需要每一步都由人來觸發。只要確保整個流程可行，你完全可以放在那讓它自己干活。

執行過程是可控的，Workspace Agents會遵循預先設定好的權限和控制規則。

每個agent能用什么工具、能訪問哪些數據，都可以提前設定；涉及修改內容、發送信息這類操作，可以要求先經過確認；管理員可以看到它的使用情況，也可以在需要時暫停或調整。

如果放在過去幾代產品里看，這個變化會更清楚一些。

最早的GPTs，本質是prompt＋知識庫＋Actions，一次性配置，單人使用，沒有真正的長流程執行能力。

后來出現的ChatGPT Agent，雖然也可以執行任務，但更接近一次性調用。做完就結束，沒有持續運行，也沒有穩定的身份。

到Workspace Agents，這一類產品開始穩定下來：它是團隊共享的，可以長期運行，有自己的上下文和記憶，會按照預設流程持續執行，同時還帶有權限和管理機制。

從官方給出的說明來看，這個產品適合那些結構化、可重復、依賴多個工具、并且需要持續運行的工作。對于一次性的對話或臨時任務，大概不需要那么復雜。

Workspace Agents現已在ChatGPT商業、企業、教育和教師計劃的研究預覽中可用。對于企業和教育計劃，管理員可以通過角色權限控制來管理這些agent。

02

在規則明確的前提下簡化流程

OpenAI給出了五個典型場景，覆蓋了IT、產品、運營、銷售和風控五個職能。

這些場景沒有一個是需要寫代碼的，它們有一個共同點：事情本身算不上復雜，但信息散在不同地方，需要人來回找、來回整理。

第一個是軟件審查：員工提交軟件使用或采購申請之后，agent會對照公司已有的工具清單和安全規則，判斷這個申請能不能通過，接下來該怎么處理，必要的話還會直接幫你把工單提上去。

第二個是產品反饋整理：agent會同時看Slack、客服渠道和公開論壇，把零散的用戶反饋收集起來，做簡單分類，判斷哪些更重要，再整理成工單，同時輸出一份階段性的總結。

第三個是周報生成：agent會在固定時間去拉業務數據，做成圖表，再寫一段總結說明，最后整理成一份完整的報告交給團隊。

第四個是銷售線索跟進：agent會去查新客戶的信息，根據團隊的規則判斷這個客戶值不值得跟進，幫你起草一封跟進郵件，再把相關內容同步回CRM系統。

第五個是第三方風險評估：agent會去查供應商的各種信息，比如有沒有被制裁、財務狀況怎么樣、有沒有負面新聞，然后按公司的標準整理成一份報告。

這五個場景指向的其實是同一類事情，也就是Workspace Agents最大的用處：如果流程已經在那里，但執行的時候，需要人不停在不同工具之間來回切換，最后再把結果拼在一起。Workspace Agents可以把這些步驟連起來，讓它自己按順序跑完。

問題隨之而來：讓它收集信息，整理流程還好，但把判斷也交給它，真的合適嗎？

從官方給出的設計來看，這個問題并沒有被忽略。

Workspace Agents里的“判斷”，并不是完全自由發揮，它被放在一套規則之內。

比如在軟件審查的場景里，它會對照公司已有的清單和安全規則，判斷用不用某個工具；在銷售線索的場景里，它也不是隨便挑客戶，而是按照團隊事先設定好的標準來打分。

對于那些更敏感的動作，比如修改數據、發送對外信息、創建日程，系統默認是可以加一道確認的。流程可以自動跑，但關鍵節點依然可以停下來，讓人來做最后一步決定。

這其實也劃清了一個邊界。

Workspace Agents更適合處理的是那種規則已經明確、判斷標準已經寫清楚的工作。

如果一件事情本身就需要大量臨時判斷、需要根據語境不斷調整，那它依然需要人來主導。

03

從OpenClaw學到的管理法

把這個工具放在管理的角度來看，Workspace Agents解決的其實不是效率問題，而是流程本身的組織方式。

在很多團隊里，工作流程雖然存在，但并沒有被完整寫下來。

它散在不同地方：一部分在文檔里，一部分在系統里，還有一部分在具體執行的人腦子里。

同一件事交給不同的人來做，順序可能不一樣，判斷標準也不完全一致。

這也是為什么，很多工作看起來簡單，但始終很難穩定下來。

19世紀末，泰勒提出了科學管理法，其核心就是把工作從“依賴個人經驗”，變成“可以被拆分、被記錄、被重復執行的步驟”。

先把一件事拆開，每一步該怎么做，用什么標準判斷，再把這些步驟固定下來，讓不同的人都可以按同一套方式去執行。

Workspace Agents做的事情，其實很接近這一套邏輯。一段流程需要先被寫清楚：什么時候開始，用到哪些數據，經過哪些步驟，最后產出什么結果。

這些內容直接變成一個可以運行的流程，在執行的時候，不再依賴某個人記住下一步該做什么，而是按照已經定義好的順序往下走。

帶來的變化是，流程可以從人身上拆下來。

過去，一個團隊里“最熟的人”往往決定了流程能不能順利跑完；現在，這部分經驗可以被寫進流程里，團隊里的其他人直接調用同一套做法。

另外一個很重要的點是，流程必須帶有邊界：哪些地方可以自動執行，哪些地方必須停下來確認，哪些數據可以用，哪些不能碰，這些都要在一開始就設定好。

從這個角度看，Workspace Agents并沒有改變工作的內容，它改變的是流程的存在方式。

流程不再只是被描述，而是可以被運行、被復用，也可以被持續調整。

像OpenClaw這樣的工具，最開始做的也是這種方向：它們試圖讓系統去接管一整段操作過程，把原本需要人在電腦前一步步完成的動作，變成一個可以自動執行的流程。

區別在于，Workspace Agents把這件事放進了團隊環境里，并且補上了權限、審批和管理這一層，讓工作變得更加可控。

類似的嘗試，并不只出現在OpenAI一家。

Microsoft在推進自己的Copilot Agents，把這一類能力嵌進Microsoft 365，從郵件、文檔到協作工具，盡量覆蓋員工日常使用的環境。

Google今天也推出了企業側的Agent平臺，重點在于如何管理和調度大量agent，讓它們在不同系統之間協同工作。

不過，對于企業來說，差別不只是功能本身。真正的成本在于使用：員工要不要學習新工具，流程要不要重建，決定了這些系統能不能真正跑起來。

競爭還在繼續，但方向已經很明確了。