摘要
如果你已經會使用 ChatGPT,下一步可能不是學更多 Prompt,而是改變你把工作交給 AI 的方式。一般的 ChatGPT 對話,多半停留在「提出問題 → 得到答案」;ChatGPT Work 與 Codex 則進一步讓 AI 接手一個具有明確成果的任務,自己拆解步驟、使用工具、處理檔案、搜尋資料,最後交付可以被人審查的成果。這篇文章將從 ChatGPT Chat、ChatGPT Work 與 Codex 的差異開始,帶你完成 ChatGPT Desktop 與 Work 的基本設定,並進一步理解本地 Work 與雲端 Work 在資料來源、權限與執行環境上的不同。真正重要的改變,不只是 AI 變得更聰明,而是我們開始從「問 AI 問題」,走向「把工作委派給 AI」。
如果你已經會用 ChatGPT 查資料、改文章、整理想法,那麼你其實已經跨過第一道門檻了。只是,會聊天不代表真的把 AI 用進工作流程裡——很多時候,我們只是把「思考的一部分」交給 ChatGPT,真正整理文件、操作工具、執行步驟、完成交付,最後還是自己來。
而 ChatGPT Work 與 Codex 想改變的,正是這件事。
它們不只是回答你的問題,而是開始接手一個完整任務:理解目標、拆解步驟、使用工具、處理資料,直到產出可以驗收的結果。這篇文章,就從這個差異開始。

ChatGPT Work 可以說是自 ChatGPT 以來造成工作型態上的變化最大的推手。ChatGPT Work 本身是一個可以跑在你自家電腦上的 AI 代理工具,代替你完成所有工作。一般來說,使用 ChatGPT 時,一句問題出去之後,得到答案,接下來就沒有 AI 的事,得靠身為人類的我們來完成工作。這確實能否完成工作,然而事實上是,世界上多數使用 ChatGPT 的人,並不會充分利用 ChatGPT 的能力。參考路透社新聞
在接下來的內容中,我,我將會詳細的跟你介紹如何建立 ChatGPT Work 之外,展示其有何不同之處,最重要的是讓讀者深刻體會到只靠跟 ChatGPT 聊天,只是解放 ChatGPT 一小部分能力而已。
在過去八個月以來,我不斷在線上、社群、陪跑過程當中,向學員努力展現 ChatGPT 的魅力,並且跨及多種產業以及應用,我親眼見證人們究竟在哪些地方遇到困難。在正式進入到 ChatGPT Work 之前,讓我們先從熟悉的 ChatGPT Chat 開始。
ChatGPT Chat,以下簡稱為 ChatGPT,從誕生以來大眾較為熟悉的用語,作為第一代通俗的 AI 對話工具,其核心作用就是作為你的思考夥伴、靈魂伴侶,難以溝通得上司。當你面對疑問,不曾遇到的花草,或是有需要進行激盪型解釋時,這非常有用。或是當你想要嘗試解決紛爭,尋求突破點時候,事先有雞還是先有蛋的問題,將起到良好的作用。ChatGPT 作為當代(2026年)的第一梯隊前沿模型,論思考上、回答上沒有必要過多說明的。
只要輸入提示詞(Prompting)就可以得到神乎奇績的答案。但,多數情況下,獲得答案之後,依然,依然需要仰賴人來完成剩餘的工作。這時候,ChatGPT Work 以及 Codex 就起到了化學變化,將會替既有的知識工作流程產生質變般的反應。
相比 ChatGPT 來說,多數情形是聊天、對話,ChatGPT Work 以及 Codex 在體感上更像是與一名可以 24 小時工作的夥伴一起處事。在在與這兩個 AI 代理工作時,善用他倆最大的能力,與「其只是聊天般輸入提示詞得到答案,不然將問題委託出去」。將一個能夠被驗收尚未被解決的工作丟出去,讓 AI 代理制定計劃,接手去執行完成任何需要完成的步驟、需要進行檢索的資料,直到工作完成。
ChatGPT 核心在於:實現一個「問 → 回答」的過程。自然對話的方式,與對面的思考夥伴在面對疑問的時候,透過提示語,就可以得到答案。
這一整件事情超級有趣的,因為在運作原理上,ChatGPT Work 以及 codex 是相同的。
ChatGPT work 主要集中在知識型工作,是可以連接工具、處理檔案、執行實際工作,而且可以透過工作資料夾保存一套持續使用的工作規則。基本上,任何需要多個步驟,可以被完成、被驗收的任務,經過數量不等的工具調用,以及延伸應用,包含提取資料、深入分析、總結摘要等。或是使用線上管理工具聯繫客戶,建立電子表格、電子表單等,都可以借住 ChatGPT Work 完成。
與之相比,Codex 主要集中在編寫程式碼,構建軟體應用,能夠委派程式工作,並且得一份優良的軟體應用,包含小遊戲、網站、視覺展示頁面等。實際上,Codex 是專門為打造軟體應用的程式開發人員所設計。
所以如果你是毫無軟體開發背景,本身從事其他職能,包涵:產品開發、行銷人員、人力資源、財務管理等職位的話,ChatGPT work 會是你的主要首選,用於完成工作的 AI 代理夥伴第一選擇。
說了這麼多,也已經知道 ChatGPT Work 即將帶來的改變,接著讓我們進入設定的環節,也就是如何實際在電腦上讓 ChatGPT Work 跟我們一起做事情。
在我們往下的章節開始之前,我希望你先進行下載 ChatGPT 桌面版本,點擊網站,根據自己電腦作業系統選擇安裝的版本,我的是 Mac 電腦,就使用 Macos 版本進行示範。即便可能你的電腦是其他作業系統,在具體操作上不會有太大的差異與變化,你依然可以跟隨後續的文章內容,一起漫遊並且體驗 ChatGPT Work 的魅力。

Image Caption: ChatGPT 桌面版本下載截圖
即便你已經熟練於 ChatGPT 網站上進行對話,在這邊我也強烈建議你去下載 chatGPT Desktop 並且安裝到你工作電腦上。
--
📌 補充卡|從台灣 AI 採用情況,看使用深度的落差
一項針對台灣 AI 工具採用情況的估算顯示,
約 70% 尚未使用 AI、27% 使用免費 Chatbot,
再往付費 AI 與 AI Coding Tool,比例快速縮小。這些數字來自作者估算,並不是正式人口普查,
而且它衡量的是工具採用程度,不是 ChatGPT Work 或 Agent 的實際使用率。對這篇文章而言,它比較像一個有趣的背景:
「會使用 AI」和「把 AI 納入完整工作流程」,其實是兩件不同的事。
--
ChatGPT Work 跟一般 Chat 最大的差別,在於它不只是回答問題,而是可以直接接手一個完整任務。
它可以讀取你提供的檔案、使用外掛程式與已授權的工具,接著自己搜尋資料、整理內容、執行工作流程,最後產出可以直接審查與使用的成果。過程中,你也可以查看進度、補充資訊、修改方向,並在需要時核准重要操作。
如果只是想問問題、理解概念、腦力激盪或快速寫一段文字,使用 Chat 就已經足夠;但如果你的目標是「完成一件事情」,例如整理研究資料、製作簡報、產出分析報告、建立試算表,或執行一套多步驟工作流程,那就更適合交給 ChatGPT Work。
簡單來說:
Chat 是幫你想,Work 是幫你把事情做完。
在自家電腦上,打開 ChatGPT 應用程式,整體介面依舊呈現大片對話過程,你可以注意到應用程式正上方分別有對話(Chat)、工作(Work)兩個選項。

Image Caption: ChatGPT 桌面版本畫面
點選左上角的話,可以看到 Codex 就在其中,如果你正在或是預計進行變寫程式碼,或是進行軟體應用開發的話,記得做切換,將會取得更好的開發體驗,在後續文章中,我們會再持續利用到 Codex。

Image Caption: ChatGPT 桌面左上選擇 Codex
備註:如果你曾使用 Codex 處理非程式設計工作,可以繼續使用 Codex,也可以改用 ChatGPT Work。但我覺得已經使用過 codex 的人,基本上可以忽視這句
安裝 ChatGPT 桌面版並切換到 Work 後,畫面上可能會看到本地與雲端兩種執行方式。這個選項決定任務在哪裡執行,也決定 AI 可以直接取得哪些資料。
本地 Work 跑在目前使用的電腦環境中。任務需要讀取 Mac 裡的資料夾、操作桌面應用程式,或使用本機瀏覽器時,我會選擇本地模式。它比較像讓 AI 直接在眼前這台電腦上工作,所有檔案、應用程式與瀏覽器操作仍會受到系統權限、工作空間政策與人工批准的限制。

Image Caption: ChatGPT Work 桌面版的執行位置選項。
雲端 Work 則在 OpenAI 管理的隔離環境中執行。它可以使用已上傳的檔案、已連接的工具與獲准網站,任務在桌面應用或電腦關閉後仍能繼續,也可以改用網頁版或手機查看進度。長時間研究、定期檢查網站,或需要離開電腦後繼續進行的工作,會比較適合放在雲端。雲端任務不會因為從桌面版啟動,就直接取得電腦裡所有本機檔案與登入狀態。
選擇時先看兩件事。資料如果只存在目前這台電腦,或任務必須操作本機應用,就使用本地 Work。任務若能使用已上傳資料與連接工具,而且希望關機後繼續執行,就使用雲端 Work。兩種模式沒有高低,差別落在資料位置、執行時間與權限邊界。
如果你已經會使用 ChatGPT,下一步就不只是學會怎麼問問題,而是思考哪些工作可以直接交給 AI 完成。
ChatGPT 擅長「問題 → 回答」,而 ChatGPT Work 與 Codex 則更進一步走向「任務 → 規劃 → 執行 → 交付成果」。知識工作、文件與資料處理可以優先使用 ChatGPT Work;程式開發與軟體專案,則更適合交給 Codex。至於本地與雲端 Work,差別不在誰比較強,而在資料位置、需要操作的工具,以及任務要在哪裡執行。
真正重要的轉變是:不要只問 AI 能回答什麼,而要開始思考,我可以把哪一整件工作交給 AI?
本篇內文無程式碼,關注比賽用 Repo可隨時掌握