OpenAI 发布的 Dots，究竟想解决什么问题？
过去两年，我们使用大模型的方式，本质上就像在微信里和一个极其聪明但随时失忆的人聊天。
你问一句，他答一句；你把网页标签页一关，或者离开工位，他和你的对话就结束了。如果想让他帮你修一个复杂的 GitHub Issue，或者写完代码并跑通测试，你必须在屏幕前死守着他。
OpenAI 在刚结束的 DevDay 上发布的 Dots，试图彻底改变这套交互模式。
一句话概括：它不是一个聊天窗口，而是一个拥有独立云端 Linux 电脑、全天候挂在后台为你打工的“数字员工”。
▲ 传统响应式会话 Agent 范式 vs OpenAI Dots 常驻型智能体范式对比
1. 它在底层究竟怎么跑？
很多朋友以为 Dots 只是把 GPT 挂在后台写了个 while True 轮询循环。并不是。
OpenAI 官方为每个 Dot 分配了一台真正的专属虚拟机环境。从系统分层来看，它打通了从交互到沙盒执行的整套闭环：
▲ OpenAI Dots 四层系统架构拓扑：多端协同、GPT-6 Astra 认知中枢、Debian 13 沙盒与 SaaS 连接
- 专属沙盒：底层运行在定制的 Debian 13 (Trixie) Linux 精简容器中，免去用户自行搭建与运维运行时的麻烦；
- 操作工具：内置一个受限的 Bash 终端，以及一个独立的自动化无头浏览器（Headless Browser），支持直接解析 DOM 树并执行拟人键鼠操作；
- 持久化工作区：提供独立的持久化文件目录，编写的代码、中间产物与抓取的报表在退出会话后不会丢失；
- 动态审批门禁 (Approval Gate)：常规的只读任务（如检索工单、下载文档）全自主放行；但遇到转账支付、代码合并、邮件群发等不可逆动作时，会自动触发审批门禁，弹窗等待人工核验授权。
来看官方公布的实机演示：
▲ 官方实操演示：Dot 在专属云电脑中自主操作浏览器订房，遇到关键决策呼叫人工接管
在整个过程中，他自己去解析网页的 DOM 树、点选日期、输入信息。遇到订房付款这种不可逆的操作时，系统会触发审批门禁，弹出一个卡片等你授权确认。
2. 社区极客实测：真有宣传的那么神吗？
发布会看起来很美，但 Hacker News 上的技术同行在实测后，很快指出了不少痛点。
问题出在哪里？
第一，长任务容易“静默失联”。
一位叫 @joshstrange 的资深开发者拿它来修一个真实的 GitHub Bug。初始体验确实惊艳，但跑着跑着，云端沙盒突然挂掉了好几次；更要命的是，隔天早上查看时，界面一直显示“正在输入中”，但后台已经断线长达数小时。
对于常驻型 Agent 来说，长程运行（Long-running tasks）中的网络闪断、无头浏览器崩溃与 OAuth 令牌自动续约，依然是一道很难跨越的工程槛。
第二，价格劝退与生态锁定。
目前 Dots 仅对每月 200 美元的 Pro 和 Business 企业用户开放，而且由于合规审查原因，欧洲和英国暂时无法使用。把公司所有业务流、上下文全部沉淀在 OpenAI 的私有沙盒里，未来的迁移成本也是一笔大账。
3. 大厂竞品横评：OpenAI 与 Meta 的路线分歧
很多人可能会好奇：在这个赛道上，其他大厂在做什么？
事实上，就在同一个月（2026 年 9 月），Meta 也正式上线了他们的个人智能体 Muse。
两家的打法截然不同，正好代表了两种截然不同的技术路线：
- OpenAI Dots 走的是“独立工位电脑”路线：给你一台云端 Debian Linux 虚拟机，主攻代码开发和长程复杂任务，定价偏向企业级（每月 200 美元起）。
- Meta Muse 走的是“业务管道集成”路线：不给你整台云电脑，而是通过 API 深度接入 Instagram、Shopify、Stripe 等商业应用，侧重帮你打理日常社交营销和轻量业务，采用免费版加 20 美元阶梯订阅。
有趣的是，这两家美国巨头在上线初期，无一例外都因监管合规原因，将欧洲和英国用户排除在首发名单之外。
4. 开源世界的对标：OpenDots
如果你不想把核心业务数据完全托管在云端，或者不想付这笔月费，开源社区已经拿出了解决方案。
CopilotKit 团队在发布会后开源了 OpenDots。
它的思路非常务实：通过本地 Docker 容器模拟一套隔离的 Linux 沙盒，同样配备 Playwright 浏览器和受限终端。
▲ OpenDots 在 Slack 频道中自主响应指令并产出 Brief
它的最大好处是模型无关：你既可以接 Claude 4.5 Sonnet，也可以接 DeepSeek-V4，甚至可以直接跑在本地的开源模型（如 Qwen 或 Llama）上，所有运行数据和代码都不离开自己的内网。
5. 总结与工程思考
从单次即时问答，到常驻后台的数字员工，AI Agent 的工程形态正在发生质变。
但对一线工程师来说，核心考量始终只有三条：
- 凭据安全：核心私钥和生产 API Key 绝不能长期扔在公有云容器里；
- 确定性状态：大模型的短期上下文是靠不住的，任务进度必须落盘在本地 SQLite 或结构化文件中；
- 人在回路（Human-in-the-Loop）：只读任务放权执行，写库和支付动作必须保留物理门禁。
浙公网安备 33010602011771号