ChatGPT 定時任務、Codex 代理與 Dot 全自動化對比：3 種自動化的 6 個核心差異

作者注：從觸發、執行、持續統籌三個層面，對比 ChatGPT 定時任務、Codex 代理與 ChatGPT Dot 的全自動化能力、費用、可靠性與選型建議。

截至 2026 年 10 月，OpenAI 旗下有三類產品都能讓 AI“自己幹活”：ChatGPT 定時任務（Scheduled Tasks）、Codex 代理及其自動化（Codex Automations），以及 9 月 29 日發佈的常駐式個人代理 ChatGPT Dot。三者都支持定時運行，也都能跨對話延續工作，所以很多用戶分不清差別，也拿不準該把錢花在哪個套餐上。

本文不會把三者排成“誰更強”的名單。它們的設計重心不同，而且已經開始互相調用。我們以 OpenAI 官方資料說明能力和費用，再用 The Verge、Axios、Business Insider 的實測和社區故障記錄檢驗可靠性。

核心價值：讀完本文，你會知道每天資訊搜索、軟件自動化、長期項目跟進這三類需求分別該用哪一種，也會清楚它們離“無人值守的數字員工”還差在哪裏。

ChatGPT 定時任務、Codex 與 Dot 的核心差異

理解三者最簡單的框架是：定時任務負責喚醒，Codex 負責執行，Dot 負責持續統籌。需要說明的是，這只是幫助理解的比喻，不是 OpenAI 官方的技術分級。三者的功能有不少重疊，不能據此認爲定時任務沒有執行能力，或者 Codex 不會主動工作。

注意，上表比較的是產品支持的能力。任意賬戶、版本或地區未必都已開通全部功能。

ChatGPT 定時任務：不只是提醒的“觸發器”

定時任務在 2025 年 1 月 14 日以測試版上線，當時主要是定時提醒。2026 年 6 月 17 日升級後，它有了統一的 Scheduled 管理入口，監測任務可以聯網搜索、檢查已連接應用，只在變化值得報告時才通知。原來的 ChatGPT Pulse 主動更新功能也併入定時任務，Pulse 隨之下線。

事件觸發是另一項重要能力。官方支持的事件來源包括 Gmail 新郵件（可按發件人、主題篩選）、Slack 指定頻道新消息和 GitHub Pull Request 的指定活動。這類任務通過 ChatGPT Work 執行，Free 與 Go 套餐不支持。一個任務可以組合多個事件觸發器，但不能把時間觸發和事件觸發放進同一個任務定義。

Codex 代理：把工作真正“執行”下去

Codex 桌面應用在 2026 年 2 月 2 日登陸 macOS，3 月 4 日擴展到 Windows。它提供多代理並行、Git Worktree 隔離、技能系統和 Automations。4 月 16 日發佈的“Codex for （almost） everything”帶來了較大變化：Codex 可以操作電腦中的其他應用，支持後臺 Computer Use、記憶、給自己安排未來任務、恢復已有線程，還能主動建議下一步。官方當時公佈的數據是每週超過 300 萬名開發者使用 Codex，但這是採用規模，不代表這些用戶都在用自動化功能。

Codex 與定時任務的本質區別在於，它會恢復工作環境，然後讀文件、改代碼、跑測試、看結果、修失敗，而不是到點生成一段文字。OpenAI 在 2026 年 2 月公佈過一次內部長任務實驗：Codex 使用 GPT-5.3-Codex，從空白代碼庫構建設計工具，運行約 25 小時，消耗約 1300 萬 Token，生成約 3 萬行代碼。這次實驗說明 Codex 能長時間持續推進同一個複雜目標，但不構成對所有用戶的可靠性承諾。

ChatGPT Dot：持續負責的個人代理

Dot 由 GPT-6 Astra 驅動，擁有自己的雲端電腦和瀏覽器。它所在的插件生態可連接超過 4000 個應用，可以通過 ChatGPT、Slack、Teams 等渠道與用戶協作。“4000+”指的是生態支持範圍，每位用戶實際能用哪些應用，取決於插件、連接、權限、地區和工作區配置。Dot 和 Codex 的關鍵區別在於主動研究（Proactive Research）：用戶沒有發新消息時，Dot 也會閱讀已授權的信息源，把新信息和已有任務關聯起來，判斷是否需要提醒用戶。

主動研究有一條重要的安全邊界：它只能使用只讀工具。主動研究不能直接給第三方發消息、修改連接應用裏的內容或控制瀏覽器。研究發現會先報告給 Dot，再由 Dot 按授權和審批規則安排後續動作。到 10 月，Dot 已經可以啓動或繼續 Codex 工作，也能讀取和編輯已有的 ChatGPT Work 自動化任務。三者因此形成了協作關係，而不是互相替代。

ChatGPT 定時任務與 Codex、Dot 的費用對比

三種能力並不是三筆獨立訂閱。定時任務一般包含在適用的 ChatGPT 套餐裏。Codex 可以通過 ChatGPT 訂閱使用，也可以用 API Key 按量計費。Dot 的首個實例包含在符合條件的 Pro 或 Business Premium 套餐中，不另收基礎訂閱費。

有幾點容易誤解。Pro 200 和 Pro 100 的 Dot 核心智能相同，區別主要在額度和套餐權益。Plus 用戶目前不能直接使用 Dot。Dot 發佈首月，符合條件的 Dot 自身用量不計入原有額度，但 Dot 創建或管理的 Work、Codex 任務仍按各自規則消耗額度。Work 與 Codex 在適用套餐中共享工作額度，雲端 Codex 標準環境沒有單獨的虛擬機計費，模型任務照常計費。

還有一點必須說清楚：API Key 接入不等於獲得 ChatGPT 訂閱裏的原生 Dot、Work 或 Codex Cloud 功能。API 路線適合開發者把“觸發 + 模型調用”自己搭起來。下面就是一個最簡實現。

用 API 自建一個輕量“定時任務”

如果你的需求只是每天早上彙總一批資訊，不想升級訂閱，可以用 cron 加上一次模型調用來實現。注意，API 本身不會替你瀏覽網頁，資訊源需要由腳本自行抓取後傳入。

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()  # 由抓取腳本預先生成
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": f"篩選高價值 AI 新聞並寫中文摘要，保留原始網址：\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 行業編輯，只基於給定條目寫摘要，不補充未提供的事實。"},
                    {"role": "user", "content": f"按重要性排序並寫中文摘要，保留網址和日期：\n{text}"}
                ],
                max_tokens=1500
            )
            return resp.choices[0].message.content
        except Exception as e:
            time.sleep(2 ** attempt)
    return "ERROR: 模型調用失敗，需人工檢查"

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 "今日無新增條目"
    Path("daily_report.md").write_text(report, encoding="utf-8")

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

🚀 快速上手建議：自建方案的關鍵是先跑通“觸發、執行、送達”三個環節，再考慮換更強的模型。建議通過 API易 apiyi.com 獲取免費測試額度，用同一個 API Key 分別測試 GPT、Claude、Gemini 的摘要質量，再決定日常用哪一個。

ChatGPT 定時任務、Codex 與 Dot 的場景推薦

用同一個目標來比較會更直觀：“每天早上 8 點調研 AI 新聞，篩選高價值消息，結合歷史報道判斷趨勢，整理成編輯可用的資料。”

選擇 ChatGPT 定時任務的場景

• 每日簡報與監測：創建每日任務或監測任務，到點自動聯網搜索，避免重複新聞，有變化才通知。
• 輕量事件響應：收到特定發件人的 Gmail、GitHub PR 有新活動時自動整理信息，前提是 Plus 及以上套餐。
• 侷限：採集質量受搜索工具和網站可訪問性限制，複雜的趨勢研究會受模型能力和額度制約。

選擇 Codex 的場景

• 可維護的採集流水線：讀取預設信息源、用腳本抓取、去重、寫入結構化數據、對比歷史、生成可審覈報告，失敗後自行修正流程。
• 工程類定時工作：每日 Bug 分類、CI 失敗總結、發佈簡報，以及“發現迴歸、修改代碼、測試通過後再提交待審覈變更”。
• 侷限：依賴本地項目的定時任務要求電腦開機、桌面應用運行、文件可訪問。Codex Cloud 可以在本機休眠時繼續工作，但拿不到本地全部文件、瀏覽器登錄狀態和系統權限。

選擇 Dot 的場景

• 長期情報助手：只給出高層目標，例如“持續跟蹤重要變化，值得寫文章時通知我”，Dot 會把日常採集交給定時任務，把工具修復交給 Codex。
• 跨項目統籌：管理多個項目，發現客戶新需求與原計劃衝突、郵件往來沒有確認等原本沒人安排的問題。
• 侷限：仍受平臺訪問、連接權限、模型錯誤、執行額度和審批機制限制。

另外需要提醒：如果信息源是 X、小紅書、抖音、微博這類需要登錄或會限制機器人訪問的平臺，三種方案都不能保證完整訪問，雲端瀏覽器和 Computer Use 也無法繞過所有驗證。

ChatGPT Dot 與 Codex 實測：離全自動還有多遠

三家獨立媒體在 10 月發佈了 Dot 的上手測試，結論比較一致：信息整合和內容製作表現不錯，真實世界的收尾環節仍會卡住。

• The Verge（10 月 2 日）：Dot 從舊郵件裏找到 $100 優惠，但遇到需要人按住按鈕的驗證就停了下來，結算涉及銀行信息，作者最後自己完成。找共享辦公空間時，Dot 漏掉了免費參觀入口。改版個人網站、處理視頻素材這類環境可控的任務完成得較好。作者認爲 Dot 更像“普通人能用的 Codex”，但對自己來說還不足以證明每月 $100 值得。
• Axios（10 月 20 日）：Dot 生成了 38 頁復古風格賽事紀念冊，另一份 12 頁照片紀念冊用時 47 秒，這是單次測試記錄，不代表平均速度。它還發現了日曆中的時間衝突。購物環節同樣受阻，作品也需要人工編輯。
• Business Insider（10 月 22 日）：Dot 主動發現作者與會計師有一段郵件往來沒有得到確認，作者因此記得去核實報稅。點午餐時卻被短信驗證碼和輸入問題反覆打斷，網站設計的文案也偏模板化。

社區反饋暴露了可靠性方面的短板。Reddit 有早期用戶反映 Dot 監控郵件時有遺漏、進度不透明，另有 Pro 200 用戶在高頻使用後觸發了防濫用暫停。OpenAI 開發者社區有人報告 Dot 多步驟任務中斷、已授權的動作被重複要求審批。定時任務方面，有用戶反映任務沒有按時運行、失敗後被自動暫停、有執行記錄但看不到結果，GitHub、Gmail 等寫入操作也會被安全檢查攔下。Codex 的 GitHub Issue #56550 記錄了一個案例：Windows 11 上一個處於 Active 狀態的定時任務到中午 12 點沒有觸發，手動運行卻能成功，根因暫未確認。

這些反饋說明，自動化失敗至少要分四種情況：沒有觸發、觸發後缺少數據或權限、執行了但質量不達標、完成了卻沒有送達。它們出在不同環節，不能都歸咎於“模型不夠聰明”。憑少數帖子也無法算出總體故障率。目前 OpenAI 也沒有公佈過用統一任務集比較三者長期無人值守成功率的數據。

ChatGPT 定時任務、Codex、Dot 決策建議

判斷全自動化程度，比“能不能定時”“會不會點按鈕”更有用的是下面六個維度。表中只是定性的設計側重分析，不是官方評分。

據此可以給出比較直接的建議：

1. 只要每日簡報、提醒或網頁監測：用 Plus 的定時任務就夠了，沒必要爲 Dot 從 $20 升級到 $100。
2. 需要維護腳本、數據和代碼：選 Codex。要求離開電腦後繼續運行的，優先用雲端環境，後臺任務儘量使用狹窄的沙箱權限，因爲開放網絡、本地寫入和完全系統訪問都會增加風險。
3. 同時跟進幾十項事務、跨平臺協調：Dot 的價值會明顯提高，但要預留人工接管登錄、支付和外部提交的時間。
4. 開發者想把自動化嵌入自己的產品：用 API 自建觸發與編排，可控性最高，代價是工程量。

💡 選擇建議：衡量投入產出，最終要看每月實際節省了多少人工，以及因錯誤、審批、返工額外花了多少時間。企業實測時建議統計觸發成功率、完成率、事實準確率、人工接管次數和單次成功成本。自建流程的模型對比可以在 API易 apiyi.com 上用統一接口完成，切換模型只需要改 model 參數。

常見問題 FAQ

ChatGPT 定時任務、Codex 與 Dot 核心要點 Key Takeaways

• 定位不同：定時任務負責喚醒，Codex 負責執行，Dot 負責持續統籌（理解框架，非官方分級）。
• 定時任務已非鬧鐘：2026 年支持聯網監測和 Gmail、Slack、GitHub 事件觸發。
• Codex 不止寫代碼：已擴展到瀏覽器、Computer Use、記憶和跨天續作。
• Dot 門檻較高：主要面向 Pro、Business Premium 和部分 Enterprise 用戶，主動研究只讀。
• 可靠性仍是短板：驗證碼、登錄、支付和漏跑問題在媒體實測和社區中反覆出現。
• 按需選型：日常簡報用定時任務，工程流水線用 Codex，多項目長期跟進再考慮 Dot。

總結

ChatGPT 定時任務、Codex 代理與 Dot 的全自動化差異可以歸納爲三點：

1. 觸發層：定時任務門檻最低，Free 也能用，適合大多數日常監測需求。
2. 執行層：Codex 能真正改文件、跑測試、操作電腦，但本地與雲端環境的邊界需要分清。
3. 統籌層：Dot 把多個任務組織到一個長期目標之下，代價是更高的訂閱費，登錄、驗證和審批仍需人工接手。

真正穩定的“AI 數字員工”還沒有到來。可審計、可恢復、授權邊界清晰的自動化，比完全取消審批的“全自動”更適合今天的真實業務。如果你是開發者，想把自動化嵌入自己的系統，推薦先通過 API易 apiyi.com 用免費額度跑通最小流程，再決定是否升級到 OpenAI 的原生代理產品。

📚 參考資料

1. ChatGPT Scheduled Tasks 官方幫助文檔：任務頻率、套餐上限、事件觸發
2. 鏈接：help.openai.com/en/articles/10291617-scheduled-tasks-in-chatgpt

3. 說明：定時任務能力與限制的權威來源

4. OpenAI：Codex for （almost） everything：2026 年 4 月 Codex 能力擴展

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

6. 說明：Computer Use、記憶、跨天續作等更新

7. OpenAI：Introducing dots：Dot 官方發佈公告

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

9. 說明：GPT-6 Astra、雲端電腦、主動研究與案例

10. Dots privacy， security， and safety FAQs：Dot 的授權與安全邊界

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

12. 說明：只讀主動研究與審批機制說明

13. Run long horizon tasks with Codex：Codex 長時間任務實驗

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

15. 說明：25 小時、約 1300 萬 Token 實驗細節

16. The Verge Dot 實測：獨立媒體上手體驗

17. 鏈接：theverge.com/ai-artificial-intelligence/1004096/openai-chatgpt-dots-hands-on-agent
18. 說明：網站改版、視頻處理、購物等真實任務表現

作者：APIYI 技術團隊
技術交流：歡迎在 API易 網站首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

• Codex 接入 Rhino MCP 教程：3 步實現 AI 自動建模:從零部署 Rhino MCP Server，在 Codex 中配置 API易 接口，3 步跑通第一條自然語言建模指令，並對比 GPT Codex 與 Claude 系列的建模表現
• OpenAI 報錯 model not found？GPT-5.5 已於 10 月 14 日從 ChatGPT 下線，5 步排查與替代方案:2026 年 10 月 14 日 GPT-5.5 從 ChatGPT、ChatGPT Work 和 Codex 全面退役，但 OpenAI API 不受影響。本文梳理 10 月 15 日最新情況，講清 OpenAI “model not found” 報錯的 5 大原因、分場景解決方法，以及 GPT-5.6 Sol、Terra、Luna 和 GPT-6 Astra 的替代選擇。