ChatGPT Work 让普通人也能搭一套个人 AI 工作系统

很多人打开 ChatGPT Work，仍然只在输入框里问一个问题。答案也许更长，产品的用法却和普通聊天没有多少区别。

Jeff Su 这段 19 分钟的视频给了一个很具体的解释：ChatGPT Work 的价值来自工作文件夹、规则文件和工具连接。它会读取长期规则，再替你操作文件或应用。原视频：Learn 95% of ChatGPT Work in Under 20 Minutes。

Chat 和 Work 的分界线

视频一开始用生日提醒演示两者的差别。Jeff 先让 ChatGPT Work 在 Google Calendar 里创建生日事件。接着补了两条规则：标题加蛋糕 emoji，描述里写上购买礼物的提醒，并要求以后所有生日事件都沿用。

他随后打开一个全新会话，只说：“为 Sam Altman 创建 4 月 22 日的生日提醒。”新事件仍然带着蛋糕图标和礼物提醒。新会话没有复述旧指令，规则却继续生效。

普通 ChatGPT 处理眼前的一问一答。Work 把工具和挂载目录接进会话，教过一次的习惯能写进文件，下一次任务继续用。

视频把产品线分成三段：ChatGPT Chat 负责对话，Codex 面向程序员，ChatGPT Work 处在中间。Work 又有网页端和桌面端，Jeff 推荐非技术用户使用能力更完整的桌面端。产品命名确实有点绕，但选择标准很简单：需要让 AI 处理本地文件并按固定规则反复做事，就用桌面端 Work。

一个文件夹加一份 AGENTS.md

Jeff 给出的最小配置很朴素：准备一个工作文件夹，再放入一份规则文件。规则文件用普通英文编写，下载后必须准确命名为 agents.md，然后在 ChatGPT 桌面应用里选择 Work，并挂载这个目录。

这份文件可以分成几类内容：

• Purpose 说明文件如何使用；
• Global rules 保存所有任务都要遵守的规则；
• Voice principles 约束写作口吻；
• Maintenance 规定文件怎样整理；
• Routing map 决定不同任务去哪个子目录找资料。

目录挂载后，Work 会在任务开始前读取 agents.md。视频中的一句判断很实在：没有挂载工作文件夹，Work 基本上仍是普通 ChatGPT；有了规则入口，它才开始稳定地按个人习惯工作。

图片重命名的例子很能说明问题。Jeff 直接告诉 Work：“以后重命名图片时，用简短但有描述性的文件名，让人不用打开图片也知道内容。”Work 把这条约定写进规则文件。之后他丢进一批照片，在新会话里只要求重命名，系统就会按同一套风格处理。

AI 早就会看图和改文件名，麻烦在于每次改法都可能不一样。把命名习惯写进文件后，同类任务才会得到同一套结果。

工具接上以后，还要教它使用习惯

ChatGPT Work 的 plugins 可以连接 Google Calendar、Gmail、Notion 和 Slack。Claude 把类似能力叫 connectors，Gemini 称为 connected apps。名字不同，作用相近：给 AI 一条操作外部应用的通道。

授权只能解决“能不能访问”。真正影响结果的是“应该怎样操作”。Jeff 给 Google Calendar 写了两条约定：会议默认 45 分钟；事件描述先写 bottom line up front，也就是把结论放在最前面，再跟三条简短背景。

他随后上传公寓租约，只要求创建次日上午 10 点与房地产经纪人的通话事件。新事件自动采用 45 分钟时长，描述也套用了约定格式。这次任务没有重新解释规则，插件只是执行通道，agents.md 才负责把个人习惯带进任务。

视频还给了三条可直接借鉴的约定：

• Gmail 回复不写落款，因为账号已有默认签名；
• Notion 使用数据库里的现成模板，不另建空白页面；
• Slack 线程摘要分为决策、行动项和待定问题。

规则不长，省掉的都是反复纠正。好规则还得能验收：会议时长、重复签名、摘要分栏，打开结果就能核对。

AGENTS.md 要薄，工具规则另存

工具越接越多，所有约定都堆进 agents.md 会很快失控。Calendar、Gmail、Notion、Teams、Granola 和 Spotify 各自都有细节，但多数任务只会用到其中一两个。

Jeff 的处理方式是让 Work 新建 tool-conventions.md，把插件和工具专属规则迁过去，再在 agents.md 留一个链接。主文件每次都会读取，因此只保留全局约束和路由；具体工具的说明等真正用到时再加载。

可以把它理解成软件入口文件：只告诉系统去哪里找，不把全部实现塞进来。旧笔记把这种做法称为 Resolver，也就是“遇到某类任务，就加载对应文件”的路由表。

本地知识库里有一份关于 AGENTS.md 的实测笔记，结论更严格：主文件保持在约 100–150 行较稳，继续膨胀容易让关键规则埋在中间。这个数字会随模型变化，但方向很明确。规则文件的价值取决于注意力，越长并不会自动越可靠。

侧栏其实是三种不同工具

视频花了较多篇幅演示桌面端侧栏，因为那里不只是文件预览器。

第一种用途是预览和局部编辑文件。打开 tool-conventions.md 后，可以选中 Calendar 章节，让 Work 按同样结构补出 Gmail、Notion 和 Slack 小节。改错了还能 undo 或 redo。文件和目录链接也可以右键跳到 Finder，方便直接整理工作区。

第二种用途是内置浏览器。按 Command + Control + T 打开网页后，可以用标注工具点中页面上的某个区域，再用自然语言描述修改。Jeff 选中个人网站的一块内容，让 Work 生成深色模式预览。预览任何公开网页都能做；真正把改动上线，还需要连接网站所在的平台。

他还让 Work 检查课程说明里的每一个链接，确认没有死链，并验证链接会在新标签页打开。这类任务很适合浏览器执行，因为上下文就在网页里，无需反复截图和粘贴地址。

登录账号则有清楚的隐私代价。内置浏览器可以继承登录态，便利性更高，也等于把更多操作能力交给 AI。适合先从公开页面、低风险账号和可撤销动作开始，不必一次开放全部权限。

第三种用途是 side chat。输入 /side 可以开启一个临时对话。它能看到主任务的上下文，却不会打断主任务，里面的新内容也不会回流。Jeff 在主线程处理一份密集 PDF 时，用 side chat 询问术语的白话解释。

这个边界很重要：side chat 适合问岔题，关闭后内容会消失。需要保留的结论要手动带回主任务或写入文件，不能把临时窗口当长期记忆。

Skill 应该从真实修改里长出来

视频后半段的例子，是整段内容里最有价值的一部分。Work 先生成一份 newsletter 初稿，Jeff 修改后贴回最终版本，再要求系统比较两版差异，只提取可重复的写作习惯。

这次输入同时包含 V1 初稿和人工终稿。系统从 diff 里识别稳定变化，忽略与口吻无关的修改，生成一个名为 improve 的 Skill，并提出七条候选写作规则。规则先展示，得到批准后才写入 agents.md 的 voice principles。

一句“记住我的风格”，每个模型都可能理解成不同意思。初稿和终稿的差异更可靠：哪些句子缩短了，哪些客套话被删掉，标题如何收紧，都有现成证据。

旧知识库把 Skill 定义为“怎么做”的程序记忆。它可以包含步骤、模板、脚本和校验，按任务触发。视频补上了一个适合普通用户的形成路径：日常本来就会修改 AI 输出，把修改前后交给系统比较，再挑出值得长期保留的部分。

这里仍要留一道人工门。一次修改可能只是当期内容的特例，不能自动升级成永久规则。重复出现、边界明确、未来能验收的差异，才适合进入 Skill。

Routing map 把工作区变成系统

最后一个例子是旅行目录。Jeff 把装有旅行偏好的文件夹拖进 Work OS，再让系统把旅行任务登记到 routing map。之后打开新会话询问冰岛行程，Work 已经知道该去 travel folder 查 Marriott 会员信息、航班座位偏好和过去旅行经验。

路由图解决了规模问题。个人工作区不可能永远只有一个目录。项目、写作、旅行和财务各有资料，也各有规则。如果把所有文件摊在同一层，AI 需要扫描更多无关内容，人也很难维护。

视频里 Jeff 的实际工作区有 30 多个 area 或 workstation。他还同时放置 agents.md 与 claude.md，让 ChatGPT Work 和 Claude CoWork 挂载同一个目录。资料和目录结构可以共用，各平台只读取自己的入口文件。

这套结构可以压缩成四层：

只接外部通道，AI 会做事但不一定按习惯做。只写规则，不接工具，它能给建议却没法完成动作。四层配齐，Work 才从聊天界面变成个人工作系统。

我的补充：长期可用还差两道门

视频强调“越教越有用”，方向没问题。长期运行时还要处理规则腐败。旧规则可能已经过期，新规则也可能和旧规则冲突。agents.md、工具约定和 Skill 都需要定期清理，确保它们描述的是当前做法。

第二道门是验证与权限。创建日历事件可以回读标题、时长和描述；修改网站应先出预览，再确认上线结果；涉及邮件、发布和删除时，还要保留人工确认。连接成功只说明 AI 拿到了能力，验收证据才能说明任务完成。

如果准备试 ChatGPT Work，可以从一个很小的闭环开始：挂载一个目录，写三条经常重复的规则，连接一个低风险工具，再用新会话验证规则是否真的沿用。稳定后再拆领域文件、增加 Skill 和 routing map。这样搭出来的系统慢一点，却更容易维护。