ChatGPT Work（Codex）之道：用管理的逻辑了解和使用AI Agent（组织篇）
本文为《ChatGPT Work（Codex）之道》系列的第三篇。本系列文章借用管理中的领导、组织、控制和计划四项职能，梳理 ChatGPT Work 的相关功能，从而能够更方便地帮助理解、记住和使用这类 AI Agent。
第一篇：《[[9-兴之所志/AI办公之道/ChatGPT Work（Codex）之道：用管理的逻辑了解和使用AI Agent（准备工作&框架）|ChatGPT Work（Codex）之道：用管理的逻辑了解和使用AI Agent（准备工作&框架）]]》主要介绍了最基础的操作，包括软件界面、项目与工作目录、开始任务、基础操作、远程控制等。 第二篇：《[[9-兴之所志/AI办公之道/ChatGPT Work（Codex）之道：用管理的逻辑了解和使用AI Agent（领导篇）|ChatGPT Work（Codex）之道：用管理的逻辑了解和使用AI Agent（领导篇）]]》主要介绍了怎样通过管理 Agent 的上下文来影响大模型的工作，包括上下文介绍、任务（对话）管理、用户指令（AGENTS.md）、记忆、技能、子 Agent 等。
管理中的组织，核心是围绕工作目标合理配置和整合资源。使用 ChatGPT Work 也需要为 Agent 完成任务选择合适的模型，并配置模型完成工作所需的各种工具资源：模型决定 Agent 理解、判断和处理问题的基础能力，工具则让 Agent 能够读取和修改文件、搜索信息、操作电脑中的软件，以及连接外部服务。
ChatGPT Work 默认提供了一些内置工具；在这些内置工具的基础上，还可以继续安装和配置其他工具，为 Agent 搭建更完整的工作环境，让它更顺畅地完成任务。本文依次介绍模型选择、内置工具、插件安装工具、自行安装工具等内容。
需要说明的是，文中所说的 ChatGPT Work，仅指 ChatGPT 新版桌面应用中处理本机项目的 Work 本地模式，不包括在云端运行的 Work 模式。本地版 ChatGPT Work 与同一桌面应用中的 Codex 目前基本采用同一套运行逻辑，本文内容也主要适用于桌面版 Codex，不完全适用于 Codex CLI 或 IDE 扩展。由于 ChatGPT 新版桌面应用仍在快速迭代中，以下涉及到具体的功能入口和名称等，可能会随着版本更新发生变化。
一 模型
在桌面版 ChatGPT Work 中，点击输入框右下角的模型选项，可以根据实际工作需要选择不同的模型，并调整推理强度和运行速度。
ChatGPT Work 目前主要提供 GPT-5.6 系列的三个模型：Sol、Terra 和 Luna。Sol 是能力最强的旗舰模型；Terra 在能力、速度和使用成本之间更加均衡；Luna 运行速度最快，使用成本也最低。
一般来说，模型能力越强，token 单价越高；token 单价越低，模型能力一般越弱。但 token 单价越低，却不代表单次任务的总成本越低：能力较弱的模型面对复杂任务时，如果不断跑偏、反复尝试，最后完成一项任务可能比高价模型消耗的时间和额度更多。
日常使用可以保持默认选择即可，如果发现模型理解不了任务、反复跑偏或者始终无法完成，再切换到能力更强的模型。一般来说，能力更强的模型适合处理没有成熟做法、需要探索和判断的工作；流程成熟并固化为 Skill 后，再交给成本更低的模型重复执行会更具性价比。
推理强度决定所选模型在执行任务时思考得有多深入，档位越高，模型通常会投入更多时间分析问题、探索方案和检查结果，但运行时间和额度消耗也会相应增加。在选择模型的界面，会同时提供推理强度选项，GPT-5.6 Sol 支持 Light、Medium、High、Extra High、Max 和 Ultra 六个推理强度档位。不同模型可以使用的推理强度档位可能有所不同，具体以当前界面显示为准。
运行速度决定模型完成任务的快慢。在模型和推理强度不变的情况下，可以选择标准速度或 Fast（快速）模式。Fast 模式会提高给定模型和推理强度条件下，模型的运行速度；代价是消耗更多额度。一般办公场景使用快速模式的价值不是特别大，目前还是工作质量大于速度，没有必要为了一点速度多花钱。
二 内置工具
内置工具是 ChatGPT Work 默认提供给 Agent 调用的基础工具，这些基础工具正是大模型和聊天机器人能够成为 AI Agent 的主要原因。下面介绍其中比较核心且常用的几项。
执行 Shell 命令 exec_command（Windows 上为 shell_command）：在终端中执行命令、脚本和程序，是 ChatGPT Work 操作电脑的主要工具。通过 exec_command，Agent 可以完成几类基础工作：
- 操作文件和目录：查看、搜索、创建、复制、移动、重命名和删除文件，创建和整理文件夹；
- 运行命令和脚本：执行 PowerShell、Bash、Python、JavaScript 等命令或脚本，也可以安装软件和依赖、配置运行环境、检查系统状态；
- 调用本地工具：运行电脑中已经安装的 Git、ffmpeg、pandoc、rclone 等命令行工具。
通过执行 Shell 命令，Agent 几乎可以完成电脑中的一切命令行操作，包括删除你电脑中的所有文件，所以不要轻易给 ChatGPT Work 完全访问权限。因为能力强大，执行 Shell 命令也成为 ChatGPT Work 扩展工作能力的基础：只要在电脑中安装相应的命令行工具和脚本，Agent 的能力边界就可以随之扩展。这一点将在”自行安装和配置工具”一节中具体展开。
终端交互能力write_stdin：有些命令执行完成后会直接返回结果并退出，有些命令则会停下来等待用户继续输入，后一类程序称为交互式程序。在 macOS 上，ChatGPT Work 可以通过 write_stdin 向交互式程序发送文字或选项，例如在安装脚本询问是否继续时输入 Y。Windows 目前不支持这种交互方式。
修改文件 apply_patch：用于修改代码、Markdown、配置文件等文本文件。它可以只调整需要变化的部分，不必重新生成整个文件，适合对现有内容进行局部增加、删除和替换。
网络搜索 web_search：根据任务需要，模型可以调用网络搜索工具，自行在互联网上搜索并查阅相关网页，从而确保自己的回复或操作更准确。
查看图片 view_image：用于读取本地图片，并将图片内容提供给模型分析，Agent 可以用它检查截图、照片、图表、软件界面以及自己生成的图片。这个工具让用户与大模型的沟通不再局限于文字，对于文字难以描述的内容，直接提供图片有助于更准确地传达意思。它只负责读取图片，不负责生成或编辑图片。
图片生成 image_gen__imagegen：这是 ChatGPT Work 提供的图片生成工具，可以调用专门的图片生成模型，按照 Agent 发送的提示词生成所需要的图片。用户既可以直接向 Agent 提出生成或编辑图片的要求，也可以由 Agent 根据任务需要主动调用这个工具生成图片。
三 插件：工具和资源的打包与使用
前面介绍的 ChatGPT Work 内置工具已经能够帮助 Agent 完成大量工作，而当任务要求超出这些内置工具的能力范围时，还可以通过插件安装更多工具和资源。
1 插件是什么
插件（Plugin）在有些软件中也称为扩展（Extension），通常用于给软件增加额外功能。在 ChatGPT Work 中，插件会把完成某类工作所需的工具、工作流程和相关资源打包在一起，供用户统一安装和管理。
点击 ChatGPT 左侧边栏的”插件”，就可以看到如下的插件市场界面。
点击插件界面右上角的齿轮，或者点击”设置-插件”，都可以进入已安装插件管理界面。
可以看到，插件管理页面一般包括”插件”、“应用”、“MCP”三个标签。“插件”用于查看已经安装的完整插件，另外两个标签则分别用于查看安装和配置的 App 和 MCP。如果你创建过用户级的技能（Skills），还会在这里看到第四个标签页”技能”。
ChatGPT Work 的插件一般包含技能（Skill）、MCP 和应用（App）等三类工具资源中的一种或多种，想要查看一个插件里面包含哪些工具资源，直接点击相应的插件名，即可看到如下插件详情页面。
从图中可以看出，Documents 插件只带了一个 Documents 技能，而 Spreadsheets 插件则带了一个应用（Codex Document Control 应用）和两个技能（Spreadsheets 技能、Excel Live Control 技能）。
无论一个插件里面包含哪些工具资源，插件本身都只是这些工具资源的打包、安装和管理方式，Agent 在任务中实际使用的仍然是其中的技能、MCP 和应用。
2 技能、MCP 和应用
技能（Skill）：技能是一套可以重复使用的任务说明或工作流程，用来告诉 Agent 应该如何完成一项工作任务。关于什么是技能以及如何创建自己的技能，我们在《领导篇》已经展开介绍过了，这里只介绍通过插件安装的技能。
MCP：MCP 的全称是 Model Context Protocol（模型上下文协议），是一套统一的连接规范：只要软件或服务提供了符合这套规范的 MCP Server，就可以向 ChatGPT Work（以及其他 AI Agent）提供工具和数据。ChatGPT Work 也因此能够通过 MCP 与其他软件、在线服务或企业系统建立连接，读取其中的数据或者执行相应操作。例如，通过 MCP，Agent 可以查询远程数据库、管理 GitHub 上的代码和文件，或者调用企业内部的业务系统等。当插件包含 MCP 时，安装插件并完成连接后，相应的工具就会加入 Agent 的工具列表，供 Agent 在任务中直接调用。
应用（App）：应用是 OpenAI 用来组织和管理一组相关工具的产品形式，主要有两种情形：最常见的一种就是原来 ChatGPT 网页版中的连接器（Connector），OpenAI 现在将其统一称为应用，例如 Gmail App 就是原来的 Gmail 连接器，用户可以通过它连接自己的 Gmail 邮箱。
第二种应用是开发者基于 MCP Server 构建的，例如 Notion App 通过 Notion MCP Server 连接用户的 Notion 工作区，可以搜索、读取和编辑 Notion 的页面。
由于这两种（连接器和 MCP Server）都可以连接外部服务并提供工具，并且连接器在 AI 产品中的使用更广泛且更容易理解，有些产品如 WorkBuddy、QoderWork 直接把基于 MCP 的外部服务接入方式简称为连接器。这样避免创造新概念，也是一个不错的产品选择。
3 软件自带的官方插件
ChatGPT Work 随安装包自带（默认安装）了一组官方插件，用于增强 ChatGPT Work 的办公能力，具体包括：
文档处理插件：包括 Documents、Spreadsheets、Presentations 和 PDF 四个插件，用于创建、修改和检查 Word 文档、电子表格、演示文稿和 PDF 等文件。它们不仅能够生成文件，还会按照相应文件格式的特点检查内容和版式是否正常。
Template Creator：把用户已有的文档、表格、幻灯片或图片，连同其中的结构、样式和制作要求，整理成可以反复调用的个人模板 Skill。以后制作同类办公文档时，Agent 可以直接沿用这套模板，不必每次重新说明格式和风格。
Default templates：OpenAI 官方提供的模板插件，包含 20 个已经制作并打包完成的 Word、PPT 和 Excel 模板。当你需要制作相关办公文档，又没有合适的自有模板时，可以让 Agent 从中选择并调用合适的模板。
站点（Sites）：用于创建、预览和发布网站。用户只需要说明网站的用途、内容和大致要求，Agent 就可以生成页面，在预览环境中检查和修改效果，并将完成的网站发布出去。Sites 的安装状态可能因用户和版本而异；如果没有默认安装，可以通过插件市场手动安装。
Visualize：用于把数据、概念或分析结果制作成图表、图形和交互式展示。与直接生成一张静态图片相比，它更适合呈现数据关系、操作过程或者可以由用户调整参数的可视化内容。下面是通过这个插件的技能，让 Agent 生成的一个交互式展示，你可以通过点击其中的按钮来了解更多信息。
应用内浏览器：ChatGPT 桌面端默认提供了一个可以让 Agent 直接控制的浏览器插件。Agent 可以操作这个浏览器打开网站、阅读页面、点击按钮、填写表单，并检查操作结果。它适合处理仅靠网络搜索无法完成、必须进入具体网页操作的任务。
Chrome 连接：Chrome 插件可以让 Agent 接入用户平时使用的 Chrome 浏览器，读取当前打开的标签页，并在已经登录的网站中执行操作。它需要用户在“设置-电脑操控”中点击安装，再按照提示在 Chrome 浏览器中安装ChatGPT扩展即可使用。
Computer Use：Computer Use 插件可以让 Agent 观察屏幕，并通过鼠标和键盘操作桌面应用。安装插件并完成相应的权限设置后，Agent 就可以处理那些没有 API、MCP 或命令行接口，只能通过软件界面完成的任务。目前可以通过它完成一些基础性的、繁琐的点点点工作，虽然它操作软件的工作效率没有我们高，但是胜在能够解放我们的双手。比如通过微信小程序开高速费发票这种极端无聊的事情，就可以交给 ChatGPT Work 干。
4 从官方插件市场安装和使用插件
除了上面这些官方提供或默认安装的插件，用户还可以从官方插件市场安装更多插件。
安装插件时，在 ChatGPT 桌面端左侧边栏点击”插件”打开插件市场页面，找到需要的插件后，点击进入详情页，即可查看这个插件包含哪些 Skill、App 和 MCP，了解插件的用途。
如果插件包含需要连接外部服务的应用，点击安装后通常会自动打开浏览器，要求用户登录相应的账号并确认授权。完成授权后，回到 ChatGPT Work，插件才能通过这个 App 读取应用提供的数据或者执行操作。确认授权前，应当看清它可以访问哪些数据、执行哪些操作，以及重要操作是否仍需用户确认。
使用插件时，用户通常只需要向 Agent 说明要完成什么任务，Agent 会根据需要自动使用已安装插件中的 Skill、App 或 MCP 工具。如果想明确指定某个插件或其中的技能，可以在提示词中输入 @ 后选择。
卸载插件时，进入”设置 → 插件”页面，鼠标悬浮在对应插件上，即可看到卸载选项，并进行卸载。
如果只是不想让插件继续连接某个外部服务，可以断开相应的 App。断开 App 只会停止对应的外部服务连接，插件中的其他 Skill 或工具仍然可以继续使用。
5 从第三方插件市场安装插件
除了 OpenAI 提供的官方插件市场，我们也可以添加其他开发者自己建立的个人插件市场。
下面以 JimLiu/baoyu-skills 为例，介绍怎样从第三方插件市场安装插件，这个插件提供了文章配图、图片生成、信息图、格式转换等多项 Skill。
添加插件市场时，先在 ChatGPT 桌面端左侧边栏点击”插件”，打开插件市场页面。点击右上角”创建”旁边的下拉按钮，再选择”添加插件市场”。
在弹出的窗口中，可以按照你找到的插件市场提供者的说明，填入相应的插件市场来源，以 baoyu-skills 为例，“来源”中填写的是 JimLiu/baoyu-skills。“Git 引用”和”稀疏路径”用于指定特定分支或者只读取仓库中的部分目录，通常可以留空。
填写完成后，点击右下角的”添加市场”即可添加成功，然后可能需要重启 ChatGPT 应用才能刷新市场。重启后，点击”设置 → 插件”进入插件管理页面，可以看到新增了”市场”标签，里面会显示刚刚添加的 baoyu-skills 市场。这里还可以升级或者删除已经添加的第三方市场。这个时候只是在 ChatGPT 中登记了这个插件市场，里面的插件还没有安装。
如需进一步安装插件，重新打开左侧边栏中的”插件”页面，将插件来源从”公开”切换到”个人”，就可以看到 baoyu-skills 市场提供的同名插件，点击右侧的”安装”，即可安装这个插件。也可以点击插件后进入详情页，查看相关信息后再安装。
baoyu-skills 市场目前只提供一个同名插件，这个插件包含多项 Skills。因此，安装 Baoyu Skills 插件会同时安装其中打包的全部 Skill，并不是只安装某一个技能。安装完成后，可以在已安装插件查看这些 Skill，还可以选择是否启用这些 Skills。
需要说明的是，第三方插件市场由各自的开发者自行维护。添加市场之前，应先确认维护者、仓库来源；安装具体插件时，还要查看它包含哪些 Skill、脚本和外部连接，以及是否需要额外安装运行环境或者配置账号信息。长期不再使用的插件或市场，可以分别卸载或者删除。
四 自行安装和配置工具
前面介绍的插件是扩展 ChatGPT Work 能力最方便的途径。没有合适的现成插件时，还可以自行给模型接入工具，主要有三种方式：安装以技能形式分发的命令行工具，使用本地命令行工具或脚本，以及通过 MCP 连接外部服务。
1 安装以技能形式分发的命令行工具
命令行工具（也叫 CLI 工具）是通过在命令行中输入一条指令来运行的程序，没有图形界面，也不需要点击按钮。Agent 通过内置的 Shell 工具（exec_command，Windows 上为 shell_command）来调用这些命令行工具。
很多面向 AI Agent 的命令行工具，都是以技能（Skill）的形式发布的。安装这个 Skill，Agent 就知道这个工具适用于什么任务、怎样安装和调用、常用哪些命令和参数、哪些操作需要用户确认。
以飞书官方提供的命令行工具飞书 CLI 为例，它可以通过在终端运行一行命令进行安装，也可以直接让 AI Agent 自行安装。安装过程中，它一方面会安装命令行工具，另一方面也会把使用这些命令行的技能安装到用户级的技能目录。
你可以自行安装这类工具，也可以让 Agent 查找官方来源、阅读安装说明、完成安装并检查是否能够正常运行。安装软件可能改变系统环境，还可能涉及管理员权限、账号认证和网络访问，因此需要你自行把握风险。
2 使用本地命令行工具
不是所有命令行工具都有现成的 Skill。像飞书 CLI 是专门为 AI 做的，所以开发者顺带做了相应的技能。而一些传统工具，比如 Git、pandoc、ffmpeg 等，安装完成后没有附带相应的技能；但因为这些工具已经存在很久，即使没有技能，AI 也能够很好地使用它们，所以只需要在合适的位置告诉 AI 电脑中有这些工具即可。
比如，偶尔用一次的命令，直接在提示词中说明即可，例如”电脑中已经安装 ffmpeg，请使用它将当前目录中的视频提取成 MP3”；用得比较多的，写进项目的 AGENTS.md 也可以，那样 Agent 进入项目时会自动读取。
对于一些没有合适现成工具的场景，也可以让 Agent 针对当前任务编写专用脚本。例如，需要批量修改几百个 Markdown 文件的 frontmatter，Agent 可以先编写脚本，在少量文件上测试，确认没有问题后再批量处理。这种专用脚本最好像飞书 CLI 那样搭配一个技能，这样就可以通过创建技能来给 AI 扩展专属工具。
3 通过 MCP 接入外部工具
除了通过 Shell 使用电脑中的本地工具，还可以通过 MCP 将外部数据和操作接入 ChatGPT Work。许多插件已经把 MCP Server 及其配置打包好了，安装插件即可使用；本节讨论的是没有合适插件时，用户自行添加和配置 MCP Server。
如果某个软件或服务已经提供 MCP Server，可以按照其说明，在“设置 → 插件 → MCP”中添加服务器地址、启动命令和认证信息。配置完成并重启 ChatGPT Work 后，MCP Server 提供的具体工具会加入 Agent 的工具列表，Agent 可以直接调用。
现在，许多常用的外部服务已经通过 ChatGPT Work 的插件或应用提供，其中一些插件会把所需的 MCP Server 和配置一并打包。因此，遇到已经有现成插件的服务时，通常不必再重复配置同类 MCP；只有找不到合适的插件或应用时，才需要自行添加和配置 MCP Server。
兴之所志