1. 不是 Doc，是 Dot，而且更像「負責人」而不是聊天視窗
名字很容易聽錯。不是 Doc，而是 Dot。
一般 ChatGPT 通常是：你提問、它思考、它回答，然後這一輪結束。Dot 不太一樣。OpenAI 將 Dots 描述為由 GPT-6 Astra 驅動的 always-on agents，擁有自己的雲端電腦與瀏覽器，可以使用已連接的應用，並持續朝長期目標推進。
因此它比較像「負責這個案子的人」，而不只是「回答問題的AI」。
AI終於從聊天框調職到責任人名單。
2. 「24小時運作」不是無限迴圈，而是責任不會隨著對話結束而消失
這裡最容易誤會。24小時可用，不代表免費VPS，也不代表CPU每秒不停運轉。
真正重要的是連續性。Dot可以在對話結束後持續保有任務責任，進行背景研究、定期檢查、讀取已連接的資訊來源，並執行你安排的週期工作。OpenAI把這種背景主動尋找有用資訊的行為稱為 proactive research。
舊模式是：人先想起這件事，再打開AI，再恢復上下文，再重新下指令。Dot的模式是：負責人還在，專案沒有因為聊天視窗關閉而失憶。
人類在「上次做到哪裡了？」這件事上浪費的時間，通常比想像中更多。
3. 首次建立以桌面端為主，建立後可以帶到手機上
第一個 Dot 需要在 ChatGPT 桌面應用或電腦瀏覽器裡建立。你替它命名、給它目標、連接需要的應用，並設定哪些動作可以自行處理。
設定完成後，就可以從手機App繼續與它對話。可以理解成：出生登記在電腦上辦，之後把它放進口袋帶著走。
Dot的個人頁可以查看進行中、已排程和已完成的工作，也可以管理週期任務的頻率與通知。存取你的本機電腦是可選的；預設情況下，Dot本身就有一台獨立的雲端電腦。
因此不需要為了讓Dot常駐而把家裡的PC整晚開著。
4. 使用量條件很香，但官方沒有說「永久、完全、無限」
推出初期，第一個 Dot 對符合資格的 Pro 與 Business Premium 使用者不額外收費。Enterprise 系列則是由管理員啟用的 Beta。
OpenAI表示，與Dot的對話不計入一般ChatGPT使用上限。方案另外包含一定的 deeper work 額度，而且推出後第一個月會有擴大上限。發布說明也寫明，首月內符合資格使用者的 Dots 使用不會計入方案的一般用量額度。
早期使用者也分享過一些經驗，例如把較重的創作工作跑一整晚，而一般用量顯示幾乎沒有下降。這和推出初期的政策相符，但不能因此推導成「永久免費無限算力農場」。
另外，如果Dot建立或管理Codex、ChatGPT Work任務，這些任務仍會照常消耗相應產品的使用量。
不是無限吃到飽，但前菜真的有點豪華得過分。
5. 最有價值的用途，可能是「週期任務的常駐補助員」
Scheduled Tasks很擅長準時開工。但現實自動化裡，真正困難的往往不是開始，而是收尾。
API偶爾失敗。權限不足。某一步逾時。只有一個子工作失敗。log寫好了，blocker分類了，next action也記了。
然後，沒有人真的去做next action。
自動化經典劇情。
把Dot放在這裡，角色就很清楚。
Scheduled Task負責「到點開工」。Dot負責「沒有真的完成就不算結束」。
當某次run變成PARTIAL、BLOCKED、HOLD或FAILED，Dot重新讀取目前狀態，從最後確認的checkpoint繼續。獨立且安全的工作照樣推進。若根因是程式碼，就修；需要複雜開發時再交給專門的程式代理，並在它完成後繼續收結果、重驗、推進。
系統從「失敗通知器」變成「失敗後仍有人負責」。
6. Dot、Scheduled Task、Codex可以看成現場主管、時鐘與維修隊
用三層模型最容易理解。
Scheduled Task是時鐘：在正確的時間或條件啟動工作。
Dot是現場主管：跨多次run保留狀態，找出未完成項，決定下一步，避免盲目重試，推動根因修復，並一路追到真正的終態。
Codex是維修隊：只有真的需要改程式、測試、重構或複雜實作時才叫它上場。
最重要的是：「建立Codex任務」不是完成事件。
Codex啟動 → 產生修改 → 檢查diff → 測試 → 套用 → 流程重跑 → 真實結果確認。
閉環到這裡才算結束。
修理工接到電話，不代表廠長可以下班。
7. 故障處理應該是閉環，不是報告產生器
替常駐補助員寫指令時，最重要的是停止條件。
弱指令是：「失敗時告訴我。」這會得到一台很貴的監視器。
強指令是：「失敗後讀取目前狀態、找出原因、做最小且安全的修復、重新驗證；只要還有可執行的未完成工作就繼續。若需要改程式，交給程式代理，收回結果後再驗證。如果本輪無法完成，就保存精確checkpoint和下一步，讓下一輪從那裡繼續。」
若同類問題一再出現，還要回頭檢查原Scheduled Task的提示詞、停止條件、引用資料、假設與完成判定。
「根因已分類」在現場就像說：「我們知道這是哪一種火了。」
很好。現在滅火。
8. 但不需要把整個王國的最高權限交給Dot
Dots支援權限設定與Custom Rules。你可以規定哪些動作可自動執行、哪些需要預先批准、哪些每次都要確認、哪些必須交回給人。
proactive research本身也刻意受到限制。它可以讀取允許的連接來源並保存私人筆記，但研究工具不能直接發送訊息、修改plugin內容，也不能控制瀏覽器或電腦。真正的修改操作會回到一般權限、批准與安全檢查流程。
這不只是缺點。24小時工作的操作員，不需要同時擁有24小時摧毀正式環境的權力。
合理原則是：觀察範圍可以寬，重大變更權限要窄。
9. 真正用起來後，「很懂事」的意思是：還沒問，答案就已經放在那裡
實際開始使用Dot之後，會發現除了替Scheduled Tasks當補助員，它也非常適合接手那些以前必須由人記住並反覆詢問的檢查工作。
例如，它可以持續看存取量，把開始成長的文章走勢畫成圖。然後再往前一步，不只回答「哪些文章漲了」，而是整理「成長中的文章有什麼共同特徵」。主題、入口、語言、發布後的變化、站內流動等可觀察訊號，都可以從一次性問題變成持續分析。
維運也是一樣。如果Cloudflare或GitHub某處卡住，Dot可以先檢查目前狀態、縮小原因，在權限允許且安全的範圍內修復，並繼續追到真正完成。這樣就不必每次都問「現在卡在哪裡？」「流量怎麼樣？」「哪些文章開始長了？」。打開Dot時，調查、圖表或修復可能已經往前走了。
這也許才是最實用的「懂事」。
而且實際使用時，它不只是看資料。它也會推進Cloudflare建置、觀察GitHub目前狀態，並在需要時進行修復。也就是說，它不只是「發現異常再回報」的監控層，而是在權限允許時直接下場做事。
到這裡，「懂事」就不再只是可愛的形容詞，而是很具體的工作體驗：看、修、驗證、繼續推進，不需要每一步都重新等人下微指令。它開始從「好用的工具」變成「真正接手工作的負責人」。
不是每次都去AI那裡拿答案，而是去看一個專屬負責人的桌面，結果發現圖表、原因分析和修復結果早就擺好了。
「很懂事的AI」聽起來很抽象，但在實務上很具體：它會提前撿起那些以前必須由你自己記住，再一遍遍去問的問題。
真正節省時間的地方，也許不是回答更快，而是人不再需要一直記著「這個還要確認」。
而且實際使用時，它不只做觀察。它可以追蹤Cloudflare的Build狀態、查看GitHub裡的實際情況，並在權限與安全規則允許時直接推進必要修復。行為開始從「發現問題了」變成「發現後已經處理了」。
到這裡，「感覺很懂事」就會變成「確實很懂事」。人不再需要每次自己巡迴Dashboard、repository、Build狀態和卡住的工作。
慢慢地，這不再像是「把工作交給AI」，而更像是去查看一個本來就在盯系統的負責人已經做了什麼。
10. 結論：真正的魔法不是「一直在線」，而是「一直負責」
Dots最重要的改變，不是多了一個更聰明的聊天介面。
而是人在離開後，工作仍保有上下文和責任人，可以跨週期任務與連接應用持續推進，並從上一次失敗的位置接著做，而不是每次重講一次故事。
因此，與其把它當普通聊天對象，不如把它放在那些常常半途失敗的週期流程上：盯run、撿未完成、必要時叫專家修程式，然後一路追到真正完成。
這就是AI版的鞋匠小精靈。
只是隔天早上，不要只看鞋有沒有做出來。還要試試合不合腳。
不是報告，而是完工。
