ChatGPT 定时任务、Codex 代理与 Dot 全自动化对比：3 种自动化的 6 个核心差异

作者注：从触发、执行、持续统筹三个层面，对比 ChatGPT 定时任务、Codex 代理与 ChatGPT Dot 的全自动化能力、费用、可靠性与选型建议。

截至 2026 年 10 月，OpenAI 旗下有三类产品都能让 AI“自己干活”：ChatGPT 定时任务（Scheduled Tasks）、Codex 代理及其自动化（Codex Automations），以及 9 月 29 日发布的常驻式个人代理 ChatGPT Dot。三者都支持定时运行，也都能跨对话延续工作，所以很多用户分不清差别，也拿不准该把钱花在哪个套餐上。

本文不会把三者排成“谁更强”的名单。它们的设计重心不同，而且已经开始互相调用。我们以 OpenAI 官方资料说明能力和费用，再用 The Verge、Axios、Business Insider 的实测和社区故障记录检验可靠性。

核心价值：读完本文，你会知道每天资讯搜索、软件自动化、长期项目跟进这三类需求分别该用哪一种，也会清楚它们离“无人值守的数字员工”还差在哪里。

ChatGPT 定时任务、Codex 与 Dot 的核心差异

理解三者最简单的框架是：定时任务负责唤醒，Codex 负责执行，Dot 负责持续统筹。需要说明的是，这只是帮助理解的比喻，不是 OpenAI 官方的技术分级。三者的功能有不少重叠，不能据此认为定时任务没有执行能力，或者 Codex 不会主动工作。

注意，上表比较的是产品支持的能力。任意账户、版本或地区未必都已开通全部功能。

ChatGPT 定时任务：不只是提醒的“触发器”

定时任务在 2025 年 1 月 14 日以测试版上线，当时主要是定时提醒。2026 年 6 月 17 日升级后，它有了统一的 Scheduled 管理入口，监测任务可以联网搜索、检查已连接应用，只在变化值得报告时才通知。原来的 ChatGPT Pulse 主动更新功能也并入定时任务，Pulse 随之下线。

事件触发是另一项重要能力。官方支持的事件来源包括 Gmail 新邮件（可按发件人、主题筛选）、Slack 指定频道新消息和 GitHub Pull Request 的指定活动。这类任务通过 ChatGPT Work 执行，Free 与 Go 套餐不支持。一个任务可以组合多个事件触发器，但不能把时间触发和事件触发放进同一个任务定义。

Codex 代理：把工作真正“执行”下去

Codex 桌面应用在 2026 年 2 月 2 日登陆 macOS，3 月 4 日扩展到 Windows。它提供多代理并行、Git Worktree 隔离、技能系统和 Automations。4 月 16 日发布的“Codex for （almost） everything”带来了较大变化：Codex 可以操作电脑中的其他应用，支持后台 Computer Use、记忆、给自己安排未来任务、恢复已有线程，还能主动建议下一步。官方当时公布的数据是每周超过 300 万名开发者使用 Codex，但这是采用规模，不代表这些用户都在用自动化功能。

Codex 与定时任务的本质区别在于，它会恢复工作环境，然后读文件、改代码、跑测试、看结果、修失败，而不是到点生成一段文字。OpenAI 在 2026 年 2 月公布过一次内部长任务实验：Codex 使用 GPT-5.3-Codex，从空白代码库构建设计工具，运行约 25 小时，消耗约 1300 万 Token，生成约 3 万行代码。这次实验说明 Codex 能长时间持续推进同一个复杂目标，但不构成对所有用户的可靠性承诺。

ChatGPT Dot：持续负责的个人代理

Dot 由 GPT-6 Astra 驱动，拥有自己的云端电脑和浏览器。它所在的插件生态可连接超过 4000 个应用，可以通过 ChatGPT、Slack、Teams 等渠道与用户协作。“4000+”指的是生态支持范围，每位用户实际能用哪些应用，取决于插件、连接、权限、地区和工作区配置。Dot 和 Codex 的关键区别在于主动研究（Proactive Research）：用户没有发新消息时，Dot 也会阅读已授权的信息源，把新信息和已有任务关联起来，判断是否需要提醒用户。

主动研究有一条重要的安全边界：它只能使用只读工具。主动研究不能直接给第三方发消息、修改连接应用里的内容或控制浏览器。研究发现会先报告给 Dot，再由 Dot 按授权和审批规则安排后续动作。到 10 月，Dot 已经可以启动或继续 Codex 工作，也能读取和编辑已有的 ChatGPT Work 自动化任务。三者因此形成了协作关系，而不是互相替代。

ChatGPT 定时任务与 Codex、Dot 的费用对比

三种能力并不是三笔独立订阅。定时任务一般包含在适用的 ChatGPT 套餐里。Codex 可以通过 ChatGPT 订阅使用，也可以用 API Key 按量计费。Dot 的首个实例包含在符合条件的 Pro 或 Business Premium 套餐中，不另收基础订阅费。

有几点容易误解。Pro 200 和 Pro 100 的 Dot 核心智能相同，区别主要在额度和套餐权益。Plus 用户目前不能直接使用 Dot。Dot 发布首月，符合条件的 Dot 自身用量不计入原有额度，但 Dot 创建或管理的 Work、Codex 任务仍按各自规则消耗额度。Work 与 Codex 在适用套餐中共享工作额度，云端 Codex 标准环境没有单独的虚拟机计费，模型任务照常计费。

还有一点必须说清楚：API Key 接入不等于获得 ChatGPT 订阅里的原生 Dot、Work 或 Codex Cloud 功能。API 路线适合开发者把“触发 + 模型调用”自己搭起来。下面就是一个最简实现。

用 API 自建一个轻量“定时任务”

如果你的需求只是每天早上汇总一批资讯，不想升级订阅，可以用 cron 加上一次模型调用来实现。注意，API 本身不会替你浏览网页，资讯源需要由脚本自行抓取后传入。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 OpenAI 兼容接口
)

news = open("today_feed.txt", encoding="utf-8").read()  # 由抓取脚本预先生成
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": f"筛选高价值 AI 新闻并写中文摘要，保留原始网址：\n{news}"}]
)
print(resp.choices[0].message.content)

import json
import time
import hashlib
from pathlib import Path
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SEEN_FILE = Path("seen.json")

def load_seen() -> set:
    return set(json.loads(SEEN_FILE.read_text())) if SEEN_FILE.exists() else set()

def dedupe(items: list[dict], seen: set) -> list[dict]:
    fresh = []
    for it in items:
        key = hashlib.md5(it["url"].encode()).hexdigest()
        if key not in seen:
            seen.add(key)
            fresh.append(it)
    return fresh

def summarize(items: list[dict], model: str = "gpt-4o-mini", retries: int = 3) -> str:
    text = "\n".join(f"- {i['title']} | {i['date']} | {i['url']}" for i in items)
    for attempt in range(retries):
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是 AI 行业编辑，只基于给定条目写摘要，不补充未提供的事实。"},
                    {"role": "user", "content": f"按重要性排序并写中文摘要，保留网址和日期：\n{text}"}
                ],
                max_tokens=1500
            )
            return resp.choices[0].message.content
        except Exception as e:
            time.sleep(2 ** attempt)
    return "ERROR: 模型调用失败，需人工检查"

if __name__ == "__main__":
    items = json.loads(Path("today_feed.json").read_text(encoding="utf-8"))
    seen = load_seen()
    fresh = dedupe(items, seen)
    SEEN_FILE.write_text(json.dumps(list(seen)))
    report = summarize(fresh) if fresh else "今日无新增条目"
    Path("daily_report.md").write_text(report, encoding="utf-8")

# crontab 示例：每天 8 点执行
# 0 8 * * * /usr/bin/python3 /path/to/daily_news.py

🚀 快速上手建议：自建方案的关键是先跑通“触发、执行、送达”三个环节，再考虑换更强的模型。建议通过 API易 apiyi.com 获取免费测试额度，用同一个 API Key 分别测试 GPT、Claude、Gemini 的摘要质量，再决定日常用哪一个。

ChatGPT 定时任务、Codex 与 Dot 的场景推荐

用同一个目标来比较会更直观：“每天早上 8 点调研 AI 新闻，筛选高价值消息，结合历史报道判断趋势，整理成编辑可用的资料。”

选择 ChatGPT 定时任务的场景

• 每日简报与监测：创建每日任务或监测任务，到点自动联网搜索，避免重复新闻，有变化才通知。
• 轻量事件响应：收到特定发件人的 Gmail、GitHub PR 有新活动时自动整理信息，前提是 Plus 及以上套餐。
• 局限：采集质量受搜索工具和网站可访问性限制，复杂的趋势研究会受模型能力和额度制约。

选择 Codex 的场景

• 可维护的采集流水线：读取预设信息源、用脚本抓取、去重、写入结构化数据、对比历史、生成可审核报告，失败后自行修正流程。
• 工程类定时工作：每日 Bug 分类、CI 失败总结、发布简报，以及“发现回归、修改代码、测试通过后再提交待审核变更”。
• 局限：依赖本地项目的定时任务要求电脑开机、桌面应用运行、文件可访问。Codex Cloud 可以在本机休眠时继续工作，但拿不到本地全部文件、浏览器登录状态和系统权限。

选择 Dot 的场景

• 长期情报助手：只给出高层目标，例如“持续跟踪重要变化，值得写文章时通知我”，Dot 会把日常采集交给定时任务，把工具修复交给 Codex。
• 跨项目统筹：管理多个项目，发现客户新需求与原计划冲突、邮件往来没有确认等原本没人安排的问题。
• 局限：仍受平台访问、连接权限、模型错误、执行额度和审批机制限制。

另外需要提醒：如果信息源是 X、小红书、抖音、微博这类需要登录或会限制机器人访问的平台，三种方案都不能保证完整访问，云端浏览器和 Computer Use 也无法绕过所有验证。

ChatGPT Dot 与 Codex 实测：离全自动还有多远

三家独立媒体在 10 月发布了 Dot 的上手测试，结论比较一致：信息整合和内容制作表现不错，真实世界的收尾环节仍会卡住。

• The Verge（10 月 2 日）：Dot 从旧邮件里找到 $100 优惠，但遇到需要人按住按钮的验证就停了下来，结算涉及银行信息，作者最后自己完成。找共享办公空间时，Dot 漏掉了免费参观入口。改版个人网站、处理视频素材这类环境可控的任务完成得较好。作者认为 Dot 更像“普通人能用的 Codex”，但对自己来说还不足以证明每月 $100 值得。
• Axios（10 月 20 日）：Dot 生成了 38 页复古风格赛事纪念册，另一份 12 页照片纪念册用时 47 秒，这是单次测试记录，不代表平均速度。它还发现了日历中的时间冲突。购物环节同样受阻，作品也需要人工编辑。
• Business Insider（10 月 22 日）：Dot 主动发现作者与会计师有一段邮件往来没有得到确认，作者因此记得去核实报税。点午餐时却被短信验证码和输入问题反复打断，网站设计的文案也偏模板化。

社区反馈暴露了可靠性方面的短板。Reddit 有早期用户反映 Dot 监控邮件时有遗漏、进度不透明，另有 Pro 200 用户在高频使用后触发了防滥用暂停。OpenAI 开发者社区有人报告 Dot 多步骤任务中断、已授权的动作被重复要求审批。定时任务方面，有用户反映任务没有按时运行、失败后被自动暂停、有执行记录但看不到结果，GitHub、Gmail 等写入操作也会被安全检查拦下。Codex 的 GitHub Issue #56550 记录了一个案例：Windows 11 上一个处于 Active 状态的定时任务到中午 12 点没有触发，手动运行却能成功，根因暂未确认。

这些反馈说明，自动化失败至少要分四种情况：没有触发、触发后缺少数据或权限、执行了但质量不达标、完成了却没有送达。它们出在不同环节，不能都归咎于“模型不够聪明”。凭少数帖子也无法算出总体故障率。目前 OpenAI 也没有公布过用统一任务集比较三者长期无人值守成功率的数据。

ChatGPT 定时任务、Codex、Dot 决策建议

判断全自动化程度，比“能不能定时”“会不会点按钮”更有用的是下面六个维度。表中只是定性的设计侧重分析，不是官方评分。

据此可以给出比较直接的建议：

1. 只要每日简报、提醒或网页监测：用 Plus 的定时任务就够了，没必要为 Dot 从 $20 升级到 $100。
2. 需要维护脚本、数据和代码：选 Codex。要求离开电脑后继续运行的，优先用云端环境，后台任务尽量使用狭窄的沙箱权限，因为开放网络、本地写入和完全系统访问都会增加风险。
3. 同时跟进几十项事务、跨平台协调：Dot 的价值会明显提高，但要预留人工接管登录、支付和外部提交的时间。
4. 开发者想把自动化嵌入自己的产品：用 API 自建触发与编排，可控性最高，代价是工程量。

💡 选择建议：衡量投入产出，最终要看每月实际节省了多少人工，以及因错误、审批、返工额外花了多少时间。企业实测时建议统计触发成功率、完成率、事实准确率、人工接管次数和单次成功成本。自建流程的模型对比可以在 API易 apiyi.com 上用统一接口完成，切换模型只需要改 model 参数。

常见问题 FAQ

ChatGPT 定时任务、Codex 与 Dot 核心要点 Key Takeaways

• 定位不同：定时任务负责唤醒，Codex 负责执行，Dot 负责持续统筹（理解框架，非官方分级）。
• 定时任务已非闹钟：2026 年支持联网监测和 Gmail、Slack、GitHub 事件触发。
• Codex 不止写代码：已扩展到浏览器、Computer Use、记忆和跨天续作。
• Dot 门槛较高：主要面向 Pro、Business Premium 和部分 Enterprise 用户，主动研究只读。
• 可靠性仍是短板：验证码、登录、支付和漏跑问题在媒体实测和社区中反复出现。
• 按需选型：日常简报用定时任务，工程流水线用 Codex，多项目长期跟进再考虑 Dot。

总结

ChatGPT 定时任务、Codex 代理与 Dot 的全自动化差异可以归纳为三点：

1. 触发层：定时任务门槛最低，Free 也能用，适合大多数日常监测需求。
2. 执行层：Codex 能真正改文件、跑测试、操作电脑，但本地与云端环境的边界需要分清。
3. 统筹层：Dot 把多个任务组织到一个长期目标之下，代价是更高的订阅费，登录、验证和审批仍需人工接手。

真正稳定的“AI 数字员工”还没有到来。可审计、可恢复、授权边界清晰的自动化，比完全取消审批的“全自动”更适合今天的真实业务。如果你是开发者，想把自动化嵌入自己的系统，推荐先通过 API易 apiyi.com 用免费额度跑通最小流程，再决定是否升级到 OpenAI 的原生代理产品。

📚 参考资料

1. ChatGPT Scheduled Tasks 官方帮助文档：任务频率、套餐上限、事件触发
2. 链接：help.openai.com/en/articles/10291617-scheduled-tasks-in-chatgpt

3. 说明：定时任务能力与限制的权威来源

4. OpenAI：Codex for （almost） everything：2026 年 4 月 Codex 能力扩展

5. 链接：openai.com/index/codex-for-almost-everything

6. 说明：Computer Use、记忆、跨天续作等更新

7. OpenAI：Introducing dots：Dot 官方发布公告

8. 链接：openai.com/index/introducing-dots

9. 说明：GPT-6 Astra、云端电脑、主动研究与案例

10. Dots privacy， security， and safety FAQs：Dot 的授权与安全边界

11. 链接：help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs

12. 说明：只读主动研究与审批机制说明

13. Run long horizon tasks with Codex：Codex 长时间任务实验

14. 链接：developers.openai.com/blog/run-long-horizon-tasks-with-codex

15. 说明：25 小时、约 1300 万 Token 实验细节

16. The Verge Dot 实测：独立媒体上手体验

17. 链接：theverge.com/ai-artificial-intelligence/1004096/openai-chatgpt-dots-hands-on-agent
18. 说明：网站改版、视频处理、购物等真实任务表现

作者：APIYI 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• Codex 接入 Rhino MCP 教程：3 步实现 AI 自动建模:从零部署 Rhino MCP Server，在 Codex 中配置 API易 接口，3 步跑通第一条自然语言建模指令，并对比 GPT Codex 与 Claude 系列的建模表现
• OpenAI 报错 model not found？GPT-5.5 已于 10 月 14 日从 ChatGPT 下线，5 步排查与替代方案:2026 年 10 月 14 日 GPT-5.5 从 ChatGPT、ChatGPT Work 和 Codex 全面退役，但 OpenAI API 不受影响。本文梳理 10 月 15 日最新情况，讲清 OpenAI “model not found” 报错的 5 大原因、分场景解决方法，以及 GPT-5.6 Sol、Terra、Luna 和 GPT-6 Astra 的替代选择。