Select Page
Windows 跑 AI Agent 為什麼要用 WSL?完整環境整理

Windows 跑 AI Agent 為什麼要用 WSL?完整環境整理

Windows 跑 AI Agent,真正的關鍵不是把所有工具硬裝進 PowerShell,而是把 Windows 當成桌面和硬體入口,把 Linux 工具鏈交給 WSL 2,這樣做的好處很直接:Python、Node、Docker、Git、CUDA、各種開源 Agent 工具,都會更接近它們原本被設計和測試的環境。

我的判斷是,如果你在 Windows 上做 Codex、Claude Code、Cursor、OpenCode、本地模型或自動化 Agent,WSL 2 幾乎是標準底座,不是因為 Windows 不行,而是 AI Agent 這一波工具鏈大多先從 Linux 生態長出來。

先講結論

  • Windows 11 或新版 Windows 10 可以用 `wsl –install` 安裝 WSL,預設會走 WSL 2。
  • AI Agent 專案建議放在 WSL 的 `/home` 目錄,不要長期放在 `/mnt/c`。
  • VS Code 建議用 Remote WSL,讓編輯器在 Windows,工具鏈在 Linux。
  • Docker Desktop 可以啟用 WSL 2 backend,適合需要容器化 Agent 服務的人。
  • NVIDIA GPU 可以在 WSL 2 裡用 CUDA,但重點是安裝 Windows 端驅動,不要在 WSL 裡裝 Linux 顯示驅動。

為什麼 Windows 跑 AI Agent 需要 WSL

Microsoft 對 WSL 的定位很清楚:讓開發者可以在 Windows 上直接使用 Linux distribution、Linux 應用、工具和 Bash 命令列,而且不需要傳統虛擬機或雙系統。對 AI Agent 來說,這剛好補上 Windows 和開源工具鏈之間的落差。

很多 Agent 專案會同時碰到 Python、Node、Playwright、ffmpeg、SQLite、Docker、Git hooks、shell scripts。這些東西在 Linux 裡比較自然,在 Windows 原生環境則容易遇到路徑、權限、編碼、套件編譯和命令差異。

如果你正在使用 Codex 與 ChatGPT Work,或想把 OpenWork 和 OpenCode 桌面工作台 跑穩,WSL 可以讓 Windows 變成比較舒服的 Agent 開發機,而不是一直在修環境。

第一步:安裝與確認 WSL 2

Microsoft 官方文件建議,在符合版本的 Windows 上,可以用系統管理員 PowerShell 執行:

wsl --install

安裝後可以用下面指令查看 distribution 和 WSL 版本:

wsl.exe --list --verbose

如果你有多個 Linux distribution,可以用 `wsl.exe –set-default` 設定預設環境。對大多數 AI Agent 使用者,我會建議先用 Ubuntu,原因不是它最酷,而是教學、套件、問題排查和相容性資料最多。

第二步:專案不要放在 /mnt/c

這是最常見的坑。Microsoft 文件明確建議,如果你主要在 Linux 命令列裡工作,專案檔案應該放在 WSL 檔案系統內,例如 `/home/你的帳號/projects`。不要把主要專案放在 `/mnt/c/Users/…` 下面長期開發。

原因是跨 Windows 和 Linux 檔案系統會影響效能,也可能讓檔案權限、大小寫、watcher、node_modules、Python venv 出現奇怪問題。AI Agent 工作流常常有大量小檔案、快取、套件安裝和檔案監看,這種差異會被放大。

簡單說:Linux 工具鏈處理的專案,就放 Linux 檔案系統,需要從 Windows 檔案總管打開時,可以在 WSL 目錄下執行:

explorer.exe .

第三步:VS Code 用 Remote WSL

不要把 VS Code 直接開在 Windows 路徑裡,再讓終端機切來切去。比較乾淨的方式是安裝 VS Code 的 WSL 支援,從 WSL 裡開專案:

code .

這樣 UI 還是在 Windows,但 extension host、terminal、語言服務和套件環境會跑在 WSL。對 Python、Node、Rust、Go、Docker compose、Playwright 這類 Agent 常用工具,這種模式會少很多不必要的摩擦。

第四步:Docker 交給 WSL 2 backend

很多 AI Agent 工具會需要資料庫、瀏覽器服務、向量資料庫、Redis、sandbox 或 API mock。這時候 Docker 是很自然的選擇。Docker Desktop 支援 WSL 2 backend,可以讓 Windows 上的容器工作流更接近 Linux。

我會把它看成「可複製環境」的保險。今天你在 Windows WSL 跑得起來,明天移到 Linux server 或雲端 VM,踩坑會少很多。這和我之前整理 Docker 跟 command line 一樣使用 的方向一致,容器不是炫技,而是讓環境可重現。

第五步:GPU 和 CUDA 要小心裝

如果你要跑本地模型、推理框架或 CUDA 工具,WSL 2 可以吃到 NVIDIA GPU,NVIDIA 官方文件的關鍵提醒是:安裝 Windows 端 NVIDIA 驅動後,CUDA 驅動會映射進 WSL,不要在 WSL 裡安裝 Linux 顯示驅動。

這點很重要。很多人一進 Ubuntu 就照 Linux 教學裝完整 NVIDIA driver,反而把環境弄壞,WSL 裡需要的是相容的 CUDA toolkit 和使用者空間工具,不是另一套 Linux 顯示驅動。

如果你在 Windows 上遠端連自己的 AI server,可以參考我之前寫的 Windows PowerShell 連接 Ollama AI Server。如果是要本機推理,則更需要把 WSL、GPU driver、CUDA 和模型框架的版本關係先整理好。

Windows 跑 AI Agent 的 WSL 檢查表

階段建議做法原因
安裝使用 wsl –install 並確認 WSL 2取得 Linux 工具鏈與較完整相容性
檔案專案放在 /home 內避免 /mnt/c 跨檔案系統拖慢 I/O
開發VS Code Remote WSL讓編輯器在 Windows,工具鏈在 Linux
容器Docker Desktop WSL 2 backend讓 Agent 工作流更容易複製
GPUWindows 驅動 + WSL CUDA避免在 WSL 內安裝 Linux 顯示驅動
Windows 跑 AI Agent 的 WSL 檢查表
WSL 跑 AI Agent 的重點不是只把 Ubuntu 裝起來,而是把檔案、編輯器、容器和 GPU 全部放在正確位置。

我會怎麼配置一台 Windows AI Agent 機

如果是我自己整理一台 Windows AI Agent 工作機,我會照這個順序來:

  • Windows Terminal 裝好,PowerShell 和 Ubuntu 分開使用。
  • WSL 2 裝 Ubuntu,專案目錄固定放在 `/home`。
  • VS Code 用 Remote WSL 開專案。
  • Python 用 uv 或 venv 管,Node 用 nvm 或 corepack 管。
  • 需要服務就用 Docker compose,不把資料庫亂裝在 Windows 裡。
  • 需要本地模型時,先確認 NVIDIA Windows driver、WSL kernel、CUDA toolkit 和推理框架版本。

如果你的目標是 本地大模型推理框架,WSL 可以讓 vLLM、SGLang、llama.cpp、Ollama 周邊工具更接近 Linux 使用方式。如果你的目標是 Agent 開發,WSL 則可以讓 shell、瀏覽器自動化、檔案操作和套件安裝更穩。

我的判斷

Windows 不需要變成 Mac,也不需要硬裝成 Linux。最好的方式是讓 Windows 做它擅長的事:桌面、驅動、硬體管理、遊戲和日常軟體。讓 WSL 做它擅長的事:Linux 工具鏈、開源套件、容器、AI Agent 環境。

真正穩的 Windows AI Agent 工作流,不是把所有東西混在同一個地方,而是把邊界分清楚。Windows 管外層,WSL 管開發環境,Docker 管可重現服務,GPU driver 留在 Windows,專案檔案留在 Linux 檔案系統。這樣才比較不會每次換工具就重修一次環境。

延伸資源

FAQ

Windows 跑 AI Agent 一定要用 WSL 嗎?

不一定,但如果工具鏈偏 Linux、需要 Python、Node、Docker、CUDA 或多個開源套件,WSL 2 通常比純 Windows 環境穩定。

WSL 專案檔案應該放哪裡?

如果主要在 Linux 命令列工作,專案最好放在 WSL 的 `/home` 目錄,不要放在 `/mnt/c`,這樣 I/O 效能和權限行為通常比較穩。

VS Code 可以直接編輯 WSL 專案嗎?

可以。建議使用 VS Code Remote WSL,讓編輯器留在 Windows,語言工具鏈、終端機和套件環境跑在 WSL 裡。

WSL 可以用 NVIDIA GPU 嗎?

可以,但要用支援 WSL 的 Windows NVIDIA 驅動。重點是不要在 WSL 裡安裝 Linux 顯示驅動,CUDA 驅動會從 Windows 端映射進 WSL。

Docker Desktop 和 WSL 2 有什麼關係?

Docker Desktop 可以使用 WSL 2 backend,讓 Windows 上的容器工作流更接近 Linux 開發環境,適合需要複製 AI Agent 服務環境的人。

Codex 做動態圖表和短影片:不用 AE 也能產出可用視覺內容

Codex 做動態圖表和短影片:不用 AE 也能產出可用視覺內容

Codex 不只是拿來寫程式,也可以變成一個會做視覺內容的 AI 製作助理。只要把需求講清楚,它可以幫你產出動態圖表、短影片、科普動畫、產品宣傳片,甚至把 HTML、CSS、動畫邏輯和素材組裝流程一起處理掉。

這件事最有趣的地方是,起步不一定需要 AE、PR 或完整剪輯能力。真正的門檻反而變成另一件事:你能不能把「我要什麼樣的畫面」說清楚。AI 會寫程式,但審美、節奏、鏡頭語言、授權和成本,還是要由人來管。

Codex 適合做哪一類動態內容

最適合交給 Codex 的,不是需要大量真人素材或複雜運鏡的商業大片,而是可用程式描述的視覺內容。例如動態圖表、數據比較、產品功能展示、技術概念解釋、醫學或科研科普、社群短片開場、簡報轉短影片。

這類內容的共通點是結構明確。你可以指定尺寸、時長、分鏡、配色、字體、圖表資料、動效節奏,然後讓 Codex 產出可預覽的 HTML 或影片工程。若再接上 HyperFrames 這種用 HTML 寫影片的工作流,AI Agent 就能把網頁式畫面轉成可輸出的影片片段。

提示詞不要只寫「幫我做一支影片」

很多人第一次用 Codex 做影片,會直接丟一句「幫我做一支 20 秒產品宣傳片」。這樣確實有機會跑出東西,但結果通常很大眾化,容易變成常見科技風、藍紫漸層、過度抽象的圖卡。

比較好的 prompt 要包含幾個層次:

  • 目的:這支內容要解釋、銷售、比較、教學,還是吸引點擊。
  • 時長和比例:例如 15 秒、20 秒,橫版 16:9 或直式 9:16。
  • 視覺風格:例如蘋果式極簡、醫學科普插畫、冷白石墨黑、微藍加暖金。
  • 分鏡節奏:每一段畫面幾秒,文字怎麼進出,圖表何時放大。
  • 素材限制:能不能用外部圖片、要不要用 AI 音樂、是否需要字幕。
  • 驗收標準:不要跑版、文字不能重疊、手機和桌面尺寸都要可讀。

如果你平常已經在用 Codex 做開發任務,可以把它想成「把產品需求文件換成影片需求文件」。我之前整理過 Codex 與 GPT-5.6 結合成 AI 代理 的方向,這類影片工作流其實就是把代理能力往內容製作延伸。

一個可重複的 Codex 影片 prompt

可以先用這個框架當起點:

請做一支 20 秒的產品介紹短片,比例 16:9。
主題是:把 Codex 和 HyperFrames 用在動態圖表與 AI 影片製作。

請輸出可預覽的 HTML 動畫,畫面要能之後轉成影片。

視覺風格:
- 蘋果式簡約
- 冷白背景
- 石墨黑文字
- 微藍科技感
- 暖金作為重點提示

結構:
1. 0 到 4 秒:用一句話說明痛點
2. 4 到 10 秒:展示 Codex 生成圖表和畫面
3. 10 到 16 秒:展示 HyperFrames 轉成影片流程
4. 16 到 20 秒:收斂成一句行動建議

動效:
- 文字淡入
- 圖表數字遞增
- 卡片左右滑入
- 重點詞放大但不要擋到內容

限制:
- 不要使用外部圖片
- 不要讓文字重疊
- 每個畫面都要有清楚留白
- 最後提供可修改的檔案結構

這種 prompt 的重點不是字多,而是把 AI 容易亂猜的地方先固定。尺寸、時長、配色、動效、節奏、素材權限都講清楚,Codex 才比較像製作助理,而不是自由發揮的設計師。

導演風格提示詞可以這樣用

做動態圖表或 AI 短片時,最容易失控的是視覺風格。只寫「要有電影感」太抽象,只寫「科技風」又很容易跑成藍紫色模板。比較穩的方法,是把風格拆成色彩、光線、鏡頭、構圖、材質和避免事項,讓 Codex 可以直接轉成畫面規則。

使用方式很簡單:先用前面的基礎 prompt 定義主題、時長、比例和分鏡,再從下面挑一組風格包貼到「視覺風格」段落。如果是商業簡報或產品介紹,建議先用 Apple Event Opening Film 式、Muji 式或 Aesop 式。如果是科幻感、城市情緒或詩性科普,再選 Denis Villeneuve 式、Wong Kar-wai 式、Tarkovsky 式或 Terrence Malick 式。

可直接貼給 Codex 的風格控制模板

請依照以下格式套用視覺風格,不要只模仿表面元素。

風格名稱:
用途:
色彩:
光線:
鏡頭:
構圖:
材質:
避免:

請把這些規則套用到每一個場景,並在輸出前檢查文字可讀性、畫面留白、動效節奏和手機尺寸。

Denis Villeneuve 式

適合做大型系統、AI 架構、資料中心、未來城市、算力平台這類有重量感的主題。

風格名稱:Denis Villeneuve 式
用途:冷峻史詩感,適合科幻、巨型建築、AI 基礎設施、算力平台
色彩:低飽和沙色、混凝土灰、灰青色、深黑,禁止霓虹藍紫
光線:柔和定向光、體積霧、大面積陰影、低對比但黑位深
鏡頭:慢速推軌、廣角大全景、少手持、24fps 電影感
構圖:近對稱、巨量留白、小人物對比巨大空間
材質:混凝土、塵土、啞光金屬、煙霧、舊織物
避免:不要藍紫科技感,不要 HUD,不要快節奏剪輯,不要廉價未來感

Wong Kar-wai 式

適合做都市情緒、社群故事、創作者工具、夜間產品展示、情感型品牌短片。

風格名稱:Wong Kar-wai 式
用途:都市暖味情緒,適合夜景、人物孤獨感、創作者故事
色彩:深紅、琥珀暖光、綠色陰影,控制飽和度,避免企業藍紫
光線:實景燈光、霓虹反射、鎢絲燈、潮濕街道高光
鏡頭:長焦特寫、淺景深、輕微手持、慢動作碎片感
構圖:前景遮擋、玻璃反射、親密近景、不完美構圖
材質:雨水、玻璃、煙霧、舊牆面、織物、膠片顆粒
避免:不要賽博龐克,不要廉價霓虹,不要過度銳利,不要乾淨企業感

Tarkovsky 式

適合做哲學型科技反思、長篇研究、知識工作流、慢節奏概念片。

風格名稱:Tarkovsky 式
用途:詩性冥想感,適合哲學科技、研究筆記、長時間思考
色彩:灰綠、濕土棕、灰白天空、低飽和自然色
光線:自然陰天光、柔和漫射、弱對比、無人工炫光
鏡頭:長鏡頭、極慢推軌、靜止觀察式鏡頭、少剪輯
構圖:深空間、前後景層次、人物隱於自然或建築中
材質:水面、霧、灰塵、苔蘚、舊木、石牆、舊布料
避免:不要快剪,不要炫技轉場,不要賽博視覺,不要藍紫科技感

Terrence Malick 式

適合做自然、生活、醫學科普、教育、親和型產品介紹,畫面會比較有呼吸感。

風格名稱:Terrence Malick 式
用途:自然抒情感,適合生活科技、教育、醫學科普、溫柔品牌敘事
色彩:暖高光、柔和綠色、自然膚色、淡天空色、中低飽和
光線:日落逆光、自然陽光、柔和鏡頭炫光、空氣感
鏡頭:漂浮手持、輕微廣角、低機位觀察、慢節奏
構圖:非對稱自然構圖、人體置於風景中、前景層次豐富
材質:草地、亞麻、皮膚、塵土、水面、風吹布料
避免:不要商業廣告過度修飾,不要藍紫科技感,不要硬質 UI,不要炫技轉場

Apple Event Opening Film 式

適合做產品發布、SaaS 功能展示、硬體展示、正式感很強的開場短片。

風格名稱:Apple Event Opening Film 式
用途:精密發布會開場感,適合產品發布、功能亮相、硬體和 SaaS 展示
色彩:單色基底加一個克制點綴色,暖白、石墨黑、香檳金、暖灰
光線:工作室級受控照明、柔和鏡面高光、非數字炫光
鏡頭:微距到廣景的平滑過渡、慢推、精確環繞、視差控制
構圖:幾何抽象、層級清晰、留白充分、視覺秩序嚴謹
材質:啞光金屬、磨砂玻璃、液體表面、織物、微細紋理
避免:不要粒子特效,不要 glitch,不要彈性動畫,不要藍紫科技感

Muji 式

適合做安靜日常、效率工具、筆記 App、知識管理、個人工作流介紹。

風格名稱:Muji 式
用途:安靜日常極簡,適合效率工具、筆記 App、生活型產品、個人工作流
色彩:象牙白、米色、淺木色、柔灰、自然棕
光線:自然窗光、柔和陰影、溫暖環境光、無戲劇化光效
鏡頭:眼平視角、靜態鏡頭、緩慢推近、輕觀察感
構圖:功能性擺放、留白、非對稱、日常尺度
材質:紙張、木材、棉麻、陶瓷、磨砂塑料、亞麻布
避免:不要未來科技感,不要發光 UI,不要高飽和配色,不要商業炫技

Aesop 式

適合做高質感知識品牌、研究型產品、顧問服務、空間感強的品牌短片。

風格名稱:Aesop 式
用途:文學建築感,適合高質感品牌、知識服務、研究型產品、顧問簡報
色彩:炭黑、暖棕、琥珀、石灰灰、深綠、奶油白
光線:低調暖光、定向高光、柔和陰影漸變、室內氛圍光
鏡頭:緩慢建築式平移、靜物特寫、穩定觀察鏡頭
構圖:博物館式留白、層架陳列、低調奢華、秩序克制
材質:石材、深木、琥珀玻璃、紙張、陶瓷、皮革
避免:不要 flashy luxury,不要臨場式金色,不要藍紫科技感,不要誇張動效

這些風格包最好不要一次全部貼進同一個任務。每次只選一種主風格,再補一句「如果有 UI 或圖表,要保持文字清楚、留白足夠、不要遮住數據」。

Codex 生成第一版後,再要求它檢查三件事:文字是否重疊、動效是否太花、手機尺寸是否仍然可讀。

HyperFrames 和 Remotion 各有位置

Remotion 更像 React 影片工程,適合已經熟悉 React 的開發者。HyperFrames 則偏向讓 AI Agent 以 HTML 結構描述畫面,再輸出影片,對 Codex 這種代理工作流很自然。

也有人會用 Remotion 讓 Codex 生成動畫,這條路完全可行,只是如果你的目的不是長期維護一個 React 影片專案,而是快速把概念做成短片,HyperFrames 的心智負擔會更低。若你要跑本地或半自動化的 AI 影片管線,也可以對照 OpenMontage 本地部署實測 的做法。

真正要小心的是成本、品質和崩潰

AI 做動態內容很容易讓人興奮,但不要忽略三個現實問題。

第一是時間成本:幾秒鐘的視覺效果,有時可能跑十幾分鐘。若 prompt 太模糊,AI 反覆嘗試、安裝套件、重建專案、預覽失敗,時間就會被吃掉。

第二是穩定性:像「Turn this website into a 20-second product promo」這種看似方便的提示詞,遇到複雜網站或工具限制時,可能長時間執行後才報錯。比較穩的做法是先要求 Codex 做 5 秒原型,確認視覺方向和技術路線,再擴到 20 秒完整版本。

第三是美感:AI 會做出能動的畫面,但「能動」不等於「好看」。如果你沒有指定風格,它很容易產生通用科技模板。要改善這件事,prompt 裡要明確寫出參考方向、色彩限制、節奏限制、不要使用的元素,甚至要求它先給三套視覺方案再開始實作。

音樂和素材授權也要先想清楚

短影片通常會想加背景音樂,但 AI 音樂不是生成了就一定能商用,像 Suno 這類工具,不同訂閱方案會影響音樂權利歸屬,免費版本版權不是屬於製作人的,若內容是公司、商品、廣告或公開營利用途,音樂授權一定要先確認,之前整理 Tunee AI 和 Suno 對比 時,也能看出 AI 音樂生成越方便,授權問題越不能放到最後才處理。

我的建議流程

  1. 先用一句話定義影片目的。
  2. 寫出 4 到 6 個分鏡,不要一開始就要求完整大片。
  3. 指定尺寸、時長、配色、字體和動效。
  4. 先做 5 秒原型,確認風格後再擴展。
  5. 要求 Codex 檢查文字重疊、版面跑位和預覽錯誤。
  6. 最後才加入音樂、配音、字幕與輸出格式。

用 Codex 做動態圖表和短影片,現在已經不是玩具級別。它可以讓不會 AE 和 PR 的人快速做出第一版,也能讓工程師把資料視覺化變成可分享的內容。但越是自動化,越需要人把需求寫得精準。AI 負責執行,你負責判斷什麼才是好看的、能用的、可以公開的。

FAQ

Codex 可以直接做影片嗎?

可以協助做影片工程、HTML 動畫、動態圖表和可轉成影片的畫面,但通常還是需要搭配 HyperFrames、Remotion 或其他渲染工具完成輸出。

為什麼 AI 生成的動畫看起來很呆?

通常是 prompt 沒有指定視覺風格、節奏、動效細節和禁用元素。先要求三套風格方案,再選一套做原型,品質會穩很多。

HyperFrames 和 Remotion 要選哪一個?

熟 React 且要長期維護影片工程,可以選 Remotion。想讓 AI Agent 快速用 HTML 描述和渲染短片,HyperFrames 會更直覺。

AI 影片生成會很花 token 嗎?

會,尤其是長時間反覆生成、安裝套件、修錯和預覽。建議先做短原型,確認方向後再擴成完整版本。

ChatGPT Work 是什麼?Codex 與 GPT-5.6 正式合體成 AI 代理

ChatGPT Work 是什麼?Codex 與 GPT-5.6 正式合體成 AI 代理

ChatGPT Work 的重點,不只是 OpenAI 又多了一個模式,而是 Codex 的 Agent 執行能力正式被放進 ChatGPT 裡,並由 GPT-5.6 Sol、Terra、Luna 三個模型層級支撐起來。

這代表 ChatGPT 正在從「聊天視窗」變成「能跨檔案、跨應用程式、跨瀏覽器、跨團隊工具做事的 AI 代理」,以前 Codex 比較像工程師工具,現在它的能力被包進一般知識工作者也能理解的 Work 模式裡,這一步很關鍵。

我會把這次更新理解成三件事:

第一,Codex 不再只是寫程式,而是成為 ChatGPT 的行動層

第二,GPT-5.6 把模型能力分成 Sol、Terra、Luna,讓不同成本和任務有不同選擇

第三,Sites、桌面 App、外掛目錄、Ultra 多 Agent 模式,正在把「讓 AI 完成工作」這件事產品化。

而且不用再多開多個 APP 了

先講結論:ChatGPT Work 是 Codex 走向全民化的形態

以前談 Codex,直覺會想到寫程式、改 repo、跑測試、開 PR,這次 ChatGPT Work 的定位不同,它不是只服務開發者,而是把 Codex 那套長任務執行能力拿去處理一般工作:分析 Excel、整理資料夾、生成簡報、建立互動式網站、讀 Slack 或 Gmail、把結果發回團隊工具。

這也解釋了為什麼 OpenAI 要把 Chat、Work、Codex 放在同一個桌面應用程式裡。

Chat 負責快速問答,Work 負責長任務,Codex 負責更深的開發與工具執行。對使用者來說,不需要再思考「我現在要開哪個產品」,而是直接把任務丟進同一個工作入口。

站上之前整理過 從 Claude Code、Codex、Hermes 到 nuwa-skill 的 AI 工作流,那時 Codex 還比較偏工程場景;ChatGPT Work 則是把這條路推向更大的辦公場景。

GPT-5.6 三層模型:Sol、Terra、Luna 各自負責不同工作

這次 GPT-5.6 不再只是單一模型名稱,而是拆成三個層級。

模型定位適合場景
Sol旗艦模型高難度 Agent 任務、程式碼、設計判斷、複雜知識工作
Terra日常均衡模型一般工作流、文件分析、較高頻的辦公任務
Luna快速低成本模型大量處理、成本敏感、速度優先的任務

這個分層很務實。不是每個任務都需要 Sol,也不是每個人都該用最高推理檔。真正成熟的 AI 工作流,應該是把最貴的模型留給最難的決策,把便宜快速的模型用在大量例行工作。

參考資料裡提到的定價方向也很清楚:

Sol 最貴,Terra 居中,Luna 最便宜。這代表未來使用 ChatGPT Work 時,模型選擇會變成工作流設計的一部分,而不只是「選最強」。

Ultra 模式:不是一個模型想更久,而是一組 Agent 並行

Ultra 模式很值得注意。它不是單純把同一個模型推理時間拉長,而是讓多個 Agent 平行工作,再把結果整合起來,這和過去「一個模型慢慢想」的概念不同,更接近一個小團隊同時拆任務。

這種設計特別適合長任務:研究、寫報告、建立網站、跑程式、做多版本比較、測試不同方向,當任務可以拆成多條路並行時,Ultra 的價值才會出來。

但它也帶來現實問題:用量會變大。實測留言裡有人提到 Work 模式會快速消耗額度,這點很合理。多 Agent 並行不是免費加速,它本質上就是用更多 token、更多運算,換更高成功率或更短等待時間。

ChatGPT Work 可以做什麼?重點是「交付成果」

ChatGPT Work 最重要的變化,是它不只回答問題,而是直接交付成果,官方展示裡出現幾個很典型的辦公場景:讀 Slack 和員工回饋、找出適合訪談的人、安排會議;分析財務模型、更新 Excel、生成 PowerPoint;把分析結果做成可分享的互動網站。

這些任務的共同點是:它們不是一句問答,而是需要跨多個資料源、跨多個步驟、最後輸出一個可用成品,這就是 Codex 能力進入 ChatGPT 的意義,Codex 原本擅長把目標拆成步驟、執行工具、檢查結果,Work 則把這套能力包成知識工作者能用的產品介面。

如果你想把這類長任務做得更穩,前置需求釐清仍然很重要,我會把 Grill Me 需求訪談工作流 放在 ChatGPT Work 前面用:先問清楚目標、限制、輸出格式和驗收標準,再讓 Work 開始執行。

桌面 App 是關鍵:本機檔案、瀏覽器分頁、其他 App 都進來了

新的 ChatGPT 桌面 App 是這次更新裡非常關鍵的一塊。它不只是把網頁版包成桌面視窗,而是讓 ChatGPT 可以碰到本機檔案、瀏覽器分頁,甚至其他應用程式。

這代表一個很大的轉折:AI 不再只讀你貼進對話框的內容,而是能在你授權的範圍內,直接理解桌面上的工作現場。資料夾裡的 PDF、Chrome 分頁裡的背景資料、Apple Notes 裡的凌亂筆記、試算表裡的回饋資料,都可以成為任務上下文。

這和 OpenWork / OpenCode 桌面工作台 的方向其實相通:AI Agent 最後一定會往「讀得到你的工作環境、操作得到工具、交付得了成品」這條路走。

Sites:從報告變成可分享的互動工具

Sites 是另一個我覺得很重要的功能。過去 AI 幫你整理資料,多半輸出一段文字、一個表格或一份簡報,Sites 則是把結果變成互動網站、內部工具、儀表板或原型。

這會改變「交付物」的想像。財務分析不一定只能是一份 PowerPoint,也可以是可互動的 dashboard,產品規劃不一定只能是一份文件,也可以是可點擊的 prototype;資料整理不一定只是摘要,也可以變成團隊能共同查看的網站。

這裡也可以接回站上之前整理過的 AISA 一個 API Key 連上多種資源。未來真正有價值的不是單一模型,而是模型、資料源、外掛、網站部署和團隊協作工具串在一起的工作流。

外掛目錄回來了,但這次不是 2023 年那種玩具感

這次新的統一外掛程式目錄,包含 Google Drive、SharePoint、Slack、Microsoft Teams、Gmail、Outlook、Salesforce、Adobe、Zoom、LinkedIn、GitHub、Canva、Dropbox 等整合。這很像 2023 年 ChatGPT Plugins 的第二次機會,但底層條件已經不同。

2023 年的外掛比較像「讓聊天機器人查外部資料」。這一次的外掛更接近「讓 Agent 取得任務所需的工作上下文」。當模型具備長任務執行能力,外掛就不是裝飾,而是資料入口、工具入口和交付入口。

也就是說,外掛目錄真正的價值,不是多支援幾個品牌,而是讓 ChatGPT Work 可以在你的工作系統中移動:讀資料、做分析、產出文件、發送結果、更新工具。

實測很強,但不能神化:耗時、額度、細節錯誤仍然存在

NiceKate AI 的實測很有參考價值,因為它不是只看官方展示,而是拿 GPT-5.6 Sol 跑圖片辨識、PPT、Excel、網頁設計、Image to Code、3D 建模、Android App UI 審查、macOS App 開發和短片生成。

好的部分很明顯:頁面設計質感比前代更好,能做更完整的互動式視覺化,能把圖片轉成可互動網頁,能操作 Android 裝置截圖做 UI 審查,也能在 macOS App 開發中自行遇到錯誤再修正。

但限制也很清楚:有些任務會跑 19 分鐘、30 分鐘、甚至 40 分鐘,複雜 3D、交通仿真、精密還原仍會出現結構錯誤,Work / Codex 模式會明顯消耗額度,這不是「按一下就完美交付」的魔法,而是「可以把更多長任務交給 Agent,但你要學會規格、驗收和成本控管」。

模型能力對很多人來說可能已經過剩,真正重要的是在實際場景裡能解決什麼問題。這句話很適合放在 ChatGPT Work 上。不要只測模型會不會做炫技 demo,要問它能不能幫你穩定完成週報、資料整理、客戶研究、網站原型、財務分析、App 審查這些真任務。

安全與權限:Agent 能做事後,風險也變具體了

當 ChatGPT Work 可以讀檔案、看瀏覽器、操作 App、存取 Slack / Gmail / Drive,安全問題就不再是抽象討論。它能做越多,越需要清楚的權限、審查和用量控管。

參考資料提到 Auto-Review、安全監控、紅隊測試、依風險調整存取權限,以及 Enterprise / Edu 管理員可以做 spend controls。這些功能不是企業才需要,一般使用者也要養成習慣:不要一次授權太多資料,不要讓 Agent 直接做不可逆操作,重要輸出要驗證。

這也是為什麼我一直覺得 Agent 工作流需要紀律,你可以參考 Grill Me 的思路:先讓 AI 問清楚,再讓它執行,重要任務要有驗收清單;涉及資料、金錢、客戶、程式部署時,要保留人工確認點。

這對使用者代表什麼?

我覺得 ChatGPT Work 會讓三種人最先有感。

  • 知識工作者:可以把研究、整理、簡報、試算表、網站原型交給 Work 做第一版,再由人驗收。
  • 開發者與產品團隊:Codex 能力整合進 ChatGPT 後,從需求、原型、程式、測試到部署的距離會縮短。
  • 一人公司與內容創作者:可以把資料蒐集、腳本、視覺化、網站、短片和社群素材變成一條工作流。

但這也會拉開差距。會下任務、會拆規格、會驗收、會控制成本的人,會把 ChatGPT Work 用得像小團隊,只會丟一句「幫我做一下」的人,可能只會得到昂貴又不穩的半成品。

我會怎麼開始用?

如果現在要開始測 ChatGPT Work,我會先從低風險但有價值的任務開始。

  • 整理一個資料夾裡的 PDF、簡報和筆記,產出一份會議簡報。
  • 讀一份 Excel 或 CSV,產出互動式 dashboard 和重點摘要。
  • 把產品想法做成可點擊網站原型,再請它列出待驗證假設。
  • 讓 Codex 檢查一個小型 repo,先產生修改計畫,不要直接改。
  • 把 Slack / Gmail / Drive 這類外掛逐步接入,不要一開始全開。

如果你想比較本地 Agent 工作台和雲端 Work 模式的差異,可以接著看 OpenWork / OpenCode 桌面工作台。雲端 Work 勝在整合和模型能力,本地工具則勝在可控、可自訂和成本安排。

結論:ChatGPT Work 是「AI 代理辦公」的分水嶺

ChatGPT Work 不是單純的新功能,而是 OpenAI 把 Codex、GPT-5.6、桌面 App、外掛、Sites、多 Agent 模式合在一起後,給一般使用者的一個新工作入口。

它最重要的意義是:AI 不再只是回答你的問題,而是開始接近「拿到目標後,跨工具完成工作」,這也是 AI Agent 真正從開發者圈走向辦公室、團隊、內容創作和一人公司的關鍵一步。

但越是這樣,越要記得兩件事:第一,強模型不等於免驗收;第二,長任務不等於低成本。未來真正重要的能力,不只是會用 GPT-5.6,而是會把任務設計成 AI 能完成、人能驗收、成本能控制的工作流。

延伸資源

FAQ

ChatGPT Work 是什麼?

ChatGPT Work 是 OpenAI 把 Codex 的 Agent 執行能力整合進 ChatGPT 後推出的工作模式,目標是處理比一般聊天更長、更複雜、需要跨工具完成的任務。

GPT-5.6 Sol、Terra、Luna 差在哪?

Sol 是旗艦模型,適合高難度 Agent 任務;Terra 是日常均衡模型;Luna 則主打速度和低成本,適合大量處理。

ChatGPT Work 和 Codex 是什麼關係?

Codex 提供長任務執行、工具操作和開發相關能力;ChatGPT Work 則把這些能力包進一般使用者能操作的 ChatGPT 工作介面。

Grill Me 是什麼?讓 AI Agent 開工前先問清楚需求

Grill Me 是什麼?讓 AI Agent 開工前先問清楚需求

很多 AI Agent 做不好,不是因為模型太弱,而是任務在一開始就太模糊,使用者一句「幫我做一個工具」、「幫我寫一個遊戲」、「幫我規劃一個工作流」,Agent 會很認真地往前衝,但它其實是在替你補完一堆你沒有講清楚的決策。

Grill Me 這類 skill 的價值,就在於把「開工前的需求訪談」變成固定流程,它不急著執行,而是先反過來問你:目標是什麼?使用者是誰?限制在哪裡?哪些選項還沒決定?什麼事情一定不能做?這一步看起來慢,實際上是在幫你省掉後面反覆重做的時間。

如果你已經在用 Codex、Claude Code、Cursor、Windsurf 或 OpenCode 這類工具,這篇可以當成一個提醒:真正拉開成果差距的,不只是模型版本,而是你有沒有一套讓 Agent 開始前先釐清需求的工作流。站上之前整理過 OpenWork / OpenCode 桌面工作台,那偏向執行環境,這篇談的是執行前的需求對齊。

先講結論:不要太快叫 Agent 開始做事

AI Agent 最常見的失控點,是使用者以為自己已經講清楚,但其實只講了一個方向,人類同事遇到模糊需求,可能會回頭問你,Agent 則常常直接開做,做出一個看起來完整、但不是你真正想要的東西。

Grill Me 的做法很簡單:在實作前先訪談。它會針對任務目標、使用場景、輸出格式、限制條件、技術選擇、驗收標準一路追問,直到這個任務足夠明確,Agent 才開始真正執行。

這不是把 prompt 寫長而已,而是把「需求還沒完成」這件事明確暴露出來,對我來說,這是使用 AI Agent 很重要的一個分水嶺:你不是把一段模糊想法丟給模型猜,而是先和模型一起把決策樹走完。

Grill Me 是什麼?

Grill Me 來自 Matt Pocock 的 skills 倉庫,這個倉庫不是單一工具,而是一組可安裝到 AI coding agent 裡的工作流程 skill,包含需求訪談、文件對齊、規格整理、TDD、debugging、code review 等。

我在 2026 年 7 月 9 日查看 GitHub API 時,這個倉庫已經超過 16 萬顆星,授權是 MIT,README 裡的定位也很明確:這些 skill 是小型、可調整、可組合的流程,而不是把整個開發過程交給一套巨大框架接管。

Grill Me 本身很短,核心是啟動一段 grilling session,也就是讓 Agent 對你的計畫或設計進行密集訪談。它不是替你做決策,而是逼你把原本藏在腦袋裡的決策說出來。

為什麼「需求訪談」會讓結果差很多?

用「做一個側邊欄貪食蛇遊戲」這種需求來看,沒有訪談時,Agent 也能做出一個可玩的版本。它可能有開始按鈕、分數、速度調整,也能用鍵盤操作。表面上看起來不差。

但只要開始追問,需求會變得完全不一樣:這個側邊欄是 Codex 裡的小工具,還是瀏覽器側邊欄?它是一次性 demo,還是要固定留下來?等待 Agent 工作時能不能玩?鍵盤焦點可能不在遊戲上,是否需要畫面按鈕保底?撞牆要不要死亡?分數要不要保存?記錄要不要能清除?

這些問題不是細枝末節,而是產品體驗的骨架。當它們沒有被問出來,Agent 只能照自己的預設做,當它們被問出來,Agent 才能把設計、互動、資料保存、通知機制都接到同一個使用情境上。

一個好用的 Grill Me 流程,應該問哪些問題?

我會把這類訪談問題分成七組。你不一定要每次問滿,但至少要讓 Agent 在開工前碰過這些維度。

  • 目標:這次任務真正要改善什麼?成功之後看起來是什麼樣子?
  • 受眾:誰會使用這個成果?是自己用、團隊用、客戶用,還是公開產品?
  • 場景:使用者會在什麼時間、什麼裝置、什麼流程裡使用它?
  • 限制:不能用哪些技術?不能改哪些檔案?不能花太多時間在哪裡?
  • 輸出:最後要交付文章、程式、規格、PRD、測試、圖片,還是一組可執行步驟?
  • 驗收:怎樣才算完成?要不要測試?要不要截圖?要不要能回滾?
  • 禁區:哪些事情不要做?哪些語氣、設計、依賴、資料來源要避開?

站上之前寫過 CO-STAR prompt 框架,那套方法適合把指令寫得更完整;Grill Me 則更像互動式版本,讓 Agent 透過追問幫你補齊缺口。

Matt skills 倉庫才是核心資源

Matt Pocock 的 skills 倉庫。這個連結比一般工具推薦更重要,因為 Grill Me 不是孤立存在,它其實是整套工作流的一個入口。

這套 skill 大致分成 engineering 和 productivity,Grill Me 屬於 productivity,適合非程式任務或早期想法釐清;Grill with Docs 則偏 engineering,會把訪談結果延伸到專案文件、domain model、ADR 等長期維護資料。

這也呼應我之前整理的 Matt Pocock Skills 工作流:真正有價值的不是某個單點技巧,而是把訪談、規格、測試、程式碼審查變成一套固定節奏。

Grill Me 不是讓 AI 變聰明,而是讓任務變清楚

用了 Grill Me,不代表模型突然變成更高階版本,也不代表結果一定完美,它真正改善的是「任務定義品質」。

模糊任務的問題在於,Agent 會把大量隱性選擇變成自己的預設,比方說你說「做一個工具」,它要猜是網頁、CLI、桌面 app 還是瀏覽器插件;你說「幫我寫文章」,它要猜讀者是新手、工程師、主管還是 SEO 流量;你說「做得好看」,它要猜品牌、風格、資訊密度、互動狀態。

Grill Me 把這些猜測改成問題。當問題被回答,Agent 的輸出就不再只是「通用答案」,而會更貼近你的真實情境。

我會怎麼把 Grill Me 放進自己的 Codex 流程?

如果是新專案,我會把流程拆成四步。

  • 第一步,用 Grill Me 釐清需求。先不要寫程式,先讓 Agent 問到目標、限制、驗收方式都清楚。
  • 第二步,把訪談整理成規格。可以轉成 PRD、spec 或 issue,避免後面上下文掉失。
  • 第三步,用 TDD 或驗收清單鎖住品質。讓 Agent 先知道什麼叫完成,而不是做完才補救。
  • 第四步,讓 code review / debug 流程收尾。不要把「看起來能跑」當成完成。

這條路線和 用 Superpowers 建立 AI 開發紀律的方向很接近:不要把 Agent 當一次性神諭,而是把它放進一套有檢查點、有回饋、有驗收的流程。

安裝 skill 前,先想清楚你要它解決什麼問題

很多人看到 skill 倉庫,第一反應會是全部安裝。這可以,但我更建議先從自己的痛點倒推。

如果你常常覺得 Agent 做出來的東西方向不對,先試 Grill Me。若你已經有專案文件,但 Agent 老是誤解術語和架構,可以研究 Grill with Docs。若你遇到的是改一處壞三處,TDD 和 debugging 類 skill 會更有幫助。

如果你想自己建立類似流程,也可以回頭看 用 skill-creator 建立自訂技能。真正好用的 skill,通常不是把所有規則塞滿,而是把一個高頻問題變成可重複執行的流程。

可以直接拿去用的 Grill Me 提示詞

如果你還沒安裝 skill,也可以先用下面這段作為替代版,它不如正式 skill 可維護,但已經能改善很多「太快開工」的問題。

在開始執行前,請先訪談我。
你要把我的需求問清楚,而不是直接開始做。

請一次只問 1 到 3 個最關鍵的問題。
每個問題請附上你的推薦答案,以及為什麼你推薦這樣選。
當你認為需求、限制、輸出格式、驗收標準都足夠清楚後,
請先整理一份任務規格給我確認。
等我明確說「開始執行」之後,你才可以動手。

這段的重點有三個:一次不要問太多、問題要附推薦答案、最後要整理成規格再等確認,這樣做可以避免 AI 把訪談變成問卷疲勞,也能讓使用者比較快做決策。

AI Agent 的品質,常常卡在開工前

Grill Me 給我的最大提醒是:不要把所有問題都歸咎於模型。很多時候,Agent 不是不會做,而是它根本不知道你真正要的是哪一種成果。

需求訪談不是形式,它是把模糊想法變成可執行任務的過程。當目標、場景、限制、輸出和驗收都被問清楚,Agent 才有機會交出真正能用的結果。

我會把 Grill Me 放在 AI Agent 工作流的第一關。不是因為它很華麗,而是因為它解決了一個最基本、也最常被忽略的問題:開始之前,先確定大家要做的是同一件事。

延伸資源