2026年9月29日，OpenAI 发布 Dots：由 GPT-6 Astra 驱动、拥有独立云端电脑和浏览器、可以在对话结束后继续推进工作的常驻智能体。

看过 OpenClaw，也就是“小龙虾”的演示，很容易产生一个念头：如果有个 AI 一直在线，知道我在做什么，能自己查资料、处理文件、追踪进展，我只需要在重要节点参与，该有多好。Dots 把这种期待做进了 ChatGPT。创建一个 Dot，连接应用，交代目标与权限，再逐步校准它的工作标准，一个长期存在的助手就有了自己的工作环境。

OpenAI 披露了一个早期测试案例：一位用户的 Dot 发现他忘记向一家出版机构开票，准备好发票，获得批准后将其发送。这样的事情很小，却贴近人们对 AI 助手的期待。工作中总有一些没有人提醒就会漏掉的事项，能够主动发现并推进到需要人决定的节点，才开始具有长期助手的价值。

Dots 的意义就在这里：常驻智能体已经作为一个整体产品开始交付。用户终于可以直接把一项持续工作交出去，观察它如何完成。

小龙虾让人期待的，是有人一直把事情往前推

OpenClaw 的吸引力，很大一部分来自它改变了人与 AI 的接触方式。

它以自行托管的网关连接消息应用和智能体，已经具备会话、记忆、工具、插件、多智能体与自动化能力。你可以在自己的电脑或服务器上运行它，通过 WhatsApp、Telegram、Slack 等渠道联系它，也可以为它配置浏览器和定期任务。

这些能力指向一个具体愿望：我离开屏幕后，事情仍然有人照看。

过去，即使模型足够聪明，用户通常还要自己承担大量组织工作。想清楚下一步，打开对应的对话，补充背景，要求执行，检查结果，再把结果带到另一个任务里。模型替你完成了若干步骤，项目的连续性仍然握在你的手上。对于每天同时处理研究、写作、客户项目和产品开发的人，这部分成本相当真实。十个任务分别获得高质量回答，不等于十个任务都得到持续推进。

一个理想的常驻助手，应当记得哪些工作没有完成，知道什么变化值得追踪，能够接着做已经获得授权的事情，并在需要人判断时回来。OpenClaw 提供了实现这一愿望的工具。Dots 则把它作为用户与 ChatGPT 的一种长期工作关系，直接放进产品里。

Dots 开始接住对话之间的工作

官方文档对 Dots 的描述，比“全天在线”更具体。

一个 Dot 可以判断何时暂停、何时唤醒并继续工作，用户无需为每次跟进设定固定时间；它可以通过后台智能体并行处理事情，在你继续与它交谈时保持任务推进。云端工作也可以在用户电脑关机后继续进行。这让委托的内容发生了变化。

假设你经营一家咨询公司，正在准备某个行业的研究报告。一次性的要求可以是：“整理最近一周的政策动态。”长期的委托则可以是：“持续追踪这份报告涉及的政策和企业变化，发现会影响结论的新证据，准备修订建议，交给我审核。”后者需要维护一项职责：理解已有结论，识别新材料与结论的关系，判断是否值得更新，把修改推进到可审阅的程度。定期检索只是其中一个环节。

聊天结束可以意味着本次交流结束，职责仍然继续。 这会改变用户对 AI 的预期：下一次回来，应该能看到事情有所进展。

Dots 的任务与记忆文档已经提供了这种工作方式的基础。它可以同时追踪多项职责，协调独立任务；固定时间的工作使用已保存的计划，支持事件监控的服务则可以按指定事件触发。连接一个应用之后，用户仍需交代具体要监控什么。对用户而言，这意味着可以把关注点更多放在目标、标准和结果上。研究要到什么程度，什么变化需要上报，哪种产物可以交付，这些要求会比“接下来点击哪个按钮”更重要。

过去使用 AI 的一部分技巧，是把任务拆得足够清楚。常驻智能体进一步要求用户学会描述职责：这件事由你持续照看，做到什么程度算好，遇到什么情况需要找我。

有价值的整合，是减少用户管理 AI 的负担

单看功能清单，很难说 Dots 的每一项能力都新鲜。OpenClaw 已经有很多相近机制，熟练用户也能够搭建出很强的工作流。产品价值还取决于这些机制如何被组织起来。

自行部署一个常驻助手，意味着需要决定运行位置、模型来源、消息渠道、记忆方式、工具权限和更新策略。系统出现问题时，也需要有人判断：模型理解错了，工具失败了，服务掉线了，还是配置发生了变化？对开发者，这些控制权很有价值。对只想把研究、运营或内容工作往前推进的用户，维护系统本身就会占用原本希望节省的时间。

Dots 将模型、云端电脑、任务调度、应用连接和用户入口组织在同一套产品中。维护常驻助手的责任开始更多由产品供应商承担，用户把精力留给目标、授权和结果。这也是“集成”容易被低估的地方。每个零件已经存在，用户仍然需要把它们拼起来，并持续保证整套东西能用。一个完整产品如果能省掉这些工作，就改变了能够从中获益的人群。愿意部署和维护服务器的人可以拥有助手，缺少这些技能的人也开始有了入口。

其中，持续上下文尤其关键。官方文档说明，Dot 会结合相关的 ChatGPT 记忆，维护关于偏好、决策和进行中工作的笔记；在 ChatGPT、Slack 和 Teams 之间切换，联系的仍然是同一个 Dot。这些笔记并非完整历史记录，也不意味着它自动获得所有应用里的对话。

这种连续性可以减少反复交代背景的成本。不过，长期记忆真正有用，还要能处理变化。上个月的偏好是否仍然有效，昨天放弃的方案是否已经退出当前计划，新客户的限制是否只适用于这个项目，都需要持续维护。

因此，评价 Dots 时，一个很实际的问题是：使用两周以后，它是否更懂得如何完成你的工作？如果用户仍需频繁重述背景、修正过时信息，常驻带来的收益就会被抵消。

主动性需要一套可以长期使用的授权方式

当 AI 开始持续工作，权限就成了产品能力的一部分。

一个助手如果每个小步骤都回来确认，用户会变成它的调度员；如果它在看到新信息后就直接采取外部行动，长期委托又很难成立。

Dots 对后台主动研究作了具体安排：它可以读取获准连接的信息来源，形成私人笔记，但这些研究任务使用只读工具，不能直接向他人发消息、修改应用内容或控制浏览器和桌面。官方称，这些限制由代码执行；研究发现之后的行动，要遵循通常的权限与检查。这个设计允许助手主动发现事情，同时将发现与后续行动之间的授权关系保留下来。

例如，助手发现客户修改了交付要求，可以分析影响、提出建议。是否向客户承诺新的交付时间，则取决于已有授权和行动规则。把这两步分清楚，才能让人愿意把更多信息交给它持续照看。

Dots 还通过自动审查检查会影响账户或共享信息的行动，并允许用户设定自定义规则，决定哪些动作可以自行执行、哪些需要询问、哪些交还用户完成。OpenClaw 同样在发展这套能力。它的现行文档已经说明，权限模式可以从工具层面限制可用操作，只读会话会移除写入工具，工具策略中的禁止规则具有约束力。

两条路线都在处理同一个现实问题：长期助手需要足够的行动空间，也需要可以落实的边界。谁能让这套授权方式更清楚、日常使用更顺畅，谁就更有机会承担真实工作。

OpenClaw 的自由，依然有独立价值

Dots 的出现，会减少一部分用户自行搭建“小龙虾”的动力。对于希望直接获得常驻助手的人，现成的云端环境与 ChatGPT 入口具有吸引力。

OpenClaw 的价值则会更集中地体现在控制权上。它支持配置不同模型提供方、自定义服务和本地推理环境；记忆以工作区中的 Markdown 文件保存。用户可以围绕自己的设备、数据和业务系统调整助手，也可以检查和维护持久状态。

如果一家企业已经拥有特殊的内部系统，或者需要自行决定模型、部署位置和运行策略，这种开放性仍然重要。Dots 降低了获得常驻助手的门槛，OpenClaw 保留了自行塑造助手的空间。

我的判断是，Dots 会压缩一部分通用助手部署与包装的价值。随着完整产品进入订阅，把模型接到消息软件、配好基本工具，就更难形成持续的差异。服务商需要向业务里走：理解特定公司的流程，连接内部系统，设计可检验的交付标准，并维护长期运行。这也为开放系统留下更明确的位置。定制的深度、部署的控制权和业务适配，能够成为用户愿意承担维护成本的理由。对具体工作理解多深，是否能稳定交付，出错后如何恢复，会决定一个助手能留下多久。

接下来要看，它能替人少操多少心

Dots 的推出方式，也透露出常驻智能体可能走向的商业形态。

目前，第一个 Dot 包含在 Pro 或 Business Premium 订阅中，无需额外付费，但访问正逐步开放，Pro 首批还存在地区限制。与 Dot 的对话不计入 ChatGPT 用量限制，由它启动或管理的 Work、Codex 任务则照常计算用量；深入工作也有额度安排。

OpenAI 还提出，未来可以增加 Dot 数量，并通过提升速度或每月可承担的工作量扩大产出。企业专职 Dot 目前处于预览与试点阶段，目标是拥有独立身份和凭据，承担明确的组织职责。这意味着，用户未来可能同时购买模型能力与持续工作的容量。评价标准也会随之改变：一个月究竟有多少事情被它推进到了可审阅、可交付的程度？

当 AI 可以持续承担职责，订阅所提供的东西也开始接近一个运行中的工作单位。对人手有限的团队，这种变化尤其有意义。选题追踪、资料更新、客户反馈整理等工作，单独看都不复杂，长期维持却需要持续投入注意力。只要助手能可靠承担其中一部分，小团队就能维持更多并行项目。

此时，任务完成数量只能说明一部分问题。每周真正省下的时间，还应扣掉设置、授权、复核、纠错和恢复所花的时间。一个助手即使做了很多事情，频繁打扰、遗漏重点或更新错误，也可能增加管理负担。

长期可靠性仍是需要验证的部分。OpenAI 的系统卡记录了一项模拟任务串联评估：中间穿插的任务从 5 项增加到 10 项时，中等程度越界的标记比例从 8.6% 增至 19.7%。这些结果来自专门构造的评估，不能外推为日常使用的出错概率，却说明任务越多、上下文越复杂，维护授权边界仍有难度。

所以，Dots 值得认真试用的方式，是交给它一项有明确来源、质量标准和审核节点的持续职责，观察它能否逐渐降低人的介入成本。它是否记得上次未完成的工作，能否发现真正影响结论的变化，能否把材料整理到可以直接审阅，是否知道什么时候需要你的决定——这些细节，会比“永远在线”更有说服力。

OpenClaw 让许多人第一次认真想象，一个 AI 可以长期在身边工作。Dots 将这个愿望推到了可以直接开始使用的阶段。对于一直期待“小龙虾”替自己承担工作的人，值得期待的那种产品已经出现：你可以开始交代目标，留下标准，然后去做其他事情。

往后，常驻助手需要用每天的进展证明自己。人离开屏幕之后，交出去的工作仍在继续，这正是 Dots 要兑现的承诺。

注释与来源

1. OpenAI：[Introducing dots]，2026 年 9 月 29 日。发布公告、早期测试案例与后续规划。

2. OpenClaw：[官方文档总览]。自行托管、消息渠道、工具、记忆、多智能体与自动化能力。

3. OpenAI：[Meet dots]。暂停与唤醒、后台并行工作，以及独立云端电脑的运行方式。

4. OpenAI：[Tasks and memory]。职责管理、定期任务、事件监控、持久笔记与跨渠道上下文。

5. OpenAI：[How we build safety, security, and privacy into dots]。后台主动研究的只读限制及后续行动检查。

6. OpenAI：[Control your dot]。自动行动审查、自定义规则与用户控制。

7. OpenClaw：[Policy as code]。权限模式、工具限制与代码层面的执行约束。

8. OpenClaw：[Model providers]。模型与本地环境选择，以及以 Markdown 文件保存记忆的方式。

9. OpenAI：[Getting started with your dot]。套餐、地区与逐步开放安排，以及对话和任务的用量规则。

10. OpenAI：[GPT-6 Astra System Card]，第 12.3.5.2 节“Maintaining Boundaries Across Chained Tasks”。模拟任务串联中的授权边界评估。