OpenAI DevDay 2026：Codex 从单人到多人协作的AI工作革命

在 DevDay 2026 的舞台上，OpenAI 开发者体验团队的 Jason 分享了一个关于 AI 协作的核心转变：我们正从“单人游戏”走向“多人游戏”。这不是简单地给每个人配一个更强的 AI 助手，而是让整个团队与 AI agent 在同一个系统里协同推进工作。

从“我能用 AI 做什么”到“如何让团队一起上”

Jason 坦言，入职 OpenAI 约七个月里，随着自己越来越高产，他逐渐意识到一个问题：自己成了所有系统之间的“胶水”，也成了工作流转的瓶颈。台下不少开发者对“被 AI 工具武装后反而陷入微观管理”的状态感同身受。

他把人与 AI 的关系梳理成三个阶段：最初是“我能用 AI 做什么”，接着变成“AI 在拿到我的电脑、文件、浏览器和应用权限后能做什么”，而现在的关键命题则是——“我如何搭建系统，把团队其他人也带上来，而不只是放大我个人的能力”。

所谓 multiplayer（多人协作），在他看来不是多开几个对话窗口，也不是拉一堆同事进同一个聊天线程，而是：我不再是唯一需要把工作从头扛到尾的人。团队间的对话能被 AI 自动接收、跟进，形成一个各方自动衔接的系统。

第一幕：把上下文带进 agent

Jason 用一个假想场景串起全文：早上 8 点，他在 Twitter 上看到有人抱怨限速（rate limit）问题，但他不知道出了什么事、是否有人在排查。半年前，他只能手动用 Codex 翻查 Slack、拼凑信息，而且一切都跑在自己电脑上，仍得由他亲自推进。

他重点推荐了一个叫 app shot 的功能。它不只是截图，还会抓取整个应用的上下文——元数据、URL、乃至屏幕折叠线以下的内容。这是他第一次觉得可以在任意应用里“@一下”AI。据他透露，一度有约 30% 的 Codex 会话都是从 app shot 发起的，核心理念是让 agent“在你所在的地方与你相遇”。

但问题也随之而来：用更多 app shot、钉更多线程、设更多心跳式自动化之后，他依然是那个凌晨 3 点还在干活的瓶颈。真正的转折来自被称为 dot 的持续、主动型 agent——有人留言、发邮件、回帖，dot 都在后台“吸收”这些上下文，而不需要他维护“15 个钉住的自动化加一个记忆库再加一堆不怎么更新的 markdown”。

第二幕：让 agent 更具“具身性”

Jason 特别强调了“具身化（embodied）”这个概念。app shot 发送到云端后，dot 在云上拥有自己的电脑、浏览器和文件，可以独立开展排查，哪怕你的电脑是关着的。但它仍然“在你所在的地方与你相遇”——你可以在手机、浏览器上随时查看进度。

更进一步，即便 dot 运行在云端，在你授权后它依然能反过来控制你的本地电脑。他形容这是“加强版的远程控制”：排查可以从你电脑开始，你在手机上跟进，中途 dot 可能会问“我需要登录浏览器，你登录了吗？能访问你电脑吗？有个本地应用要检查、能在你机器上测试吗？”

语音是另一个被重点演示的入口。Jason 指出大多数人说话比打字快三到四倍，语音的最大好处是“你可以非常凌乱，让 AI 来做清理”。从单向的听写，到双向的 agentic voice，再到多人会议场景——会议对话会被后台的 dot 自动转写、接收并推进。他举了一个真实例子：会上他随口说“我觉得可能是 guardian mode，看到一条首字母 T 开头的人发的 Slack，顺便查下 feature flag 配置、缓存更新，再比对几个 PR”——这种话他根本不会去打字，但 dot 能照单全收。

会议结束时，他会同时给团队下达行动项，也给 agent 下达行动项：用 Slack connector 私信某两人确认是否理解变更、对方回复后发回主频道、用浏览器联系线上四个人收集反馈 ID。agent 还被赋予不同身份，可以在 Slack 或 Teams 里被直接 @，由此形成“你的 dot、我的 dot，以及未来的团队 dot”协同工作的局面。

第三幕：组织信息并共享给团队

把上下文带进来之后，还得把信息组织好、保持更新。Jason 的反思很直接：过去所有自动化和工作流都锁在他的本地机器上，结果是团队无法贡献，而且更强的云端 agent 也用不上。他认为，软件工程之所以高产，正是因为 agent 能在“单一事实来源”上协作，而知识工作此前一直缺这一环。

解决方案是 space：让 agent 基于模板新建页面，再分享给团队和各自的 agent，把原本的本地记忆库搬上云端。更关键的是 page instructions——相当于为文档定义一份“AgentMD 文件”，规定自定义构件、内嵌 HTML 和可视化该如何被 agent 更新，从而保证多人的 agent 协作时不会把文档搅乱。

自动化不仅能定义在个人 dot 层面，也能定义在页面或团队层面。他举了几个实际用例：财务团队用云端 agent 每周自动更新分析报告；工程团队用它整理所有 PR、项目范围并识别 DRI（直接负责人）；研究团队用它跟踪长周期实验；而他本人则用 space 把 DevDay 的演讲、幻灯片更新、展位乃至 mod retro 等工作几乎全部委派出去。

「单一事实来源（Single Source of Truth，SSOT）」是软件工程中的经典原则，指团队对某一数据或状态只维护一份权威记录，所有人和系统均从这份记录读取，避免多份副本之间的不一致。Git 仓库之于代码、数据库之于业务数据，都是 SSOT 的典型体现。Jason 指出，知识工作长期缺乏这一机制——会议纪要散落在各人笔记里，决策背景锁在个人的 Slack 和邮件中，自动化脚本只跑在某人的本地机器上。space 与 page instructions 的组合试图为知识工作补上这块拼图：page instructions 类似代码仓库里的 CODEOWNERS 或 CI 配置文件，规定了文档的更新规则与结构约束，使多个 agent 在并发写入时不会产生冲突或格式混乱，从而让知识库真正具备「可协作、可信赖」的工程级特性。

「DRI（Directly Responsible Individual，直接负责人）」是苹果公司推广的管理概念，指对某项任务或决策负最终责任的单一个人，以避免「集体负责等于无人负责」的协作陷阱。在 agent 自动整理项目范围时识别 DRI，意味着 agent 不只是汇总信息，还在辅助厘清人类侧的权责归属。

从结果交付到“插件英雄”

工作推进完还要交付成果。一次理想的排障，最终会沉淀成一个 space：包含时间线、报告、线上收集的反馈 ID，以及对话的链接和引用，让团队知道该相信什么。而真正交付时，PR 从来不是终点——还有事后复盘、演示、博客文章等。

这些大多是基于指令的插件（plugin）。Jason 把规则和自动化看作“让工作持续推进”，而插件和扩展则是下一步：它们可共享、可更新、带版本，改进后能迅速分发给整个团队。借助 plugin extensions，你甚至能在 Codex 应用里直接构建自定义界面，把它变成“统一的驾驶舱”——OpenAI 自家的会议产品和代码评审产品都建立在同一套组件之上。他还提到 WebMCP 等能力，让网站可以带认证地提供 MCP server，构建人与 AI 都能使用的工具。

Jason 认为，下一阶段的重点不再是用更多 agent 或更多 token，而是如何投资这些系统，让自动化、插件和技能在团队间共享，变成团队的共同责任——成为公司里的“插件英雄”。

让 AI 洗衣服，让人去创作

这套方法论并不局限于工程。Jason 也用 dot 和 space 管理制作拍摄、内容规划等事务：在片场忙到焦头烂额时，dot 会在间隙给他推送更新；灵感来了就直接“喊进虚空”，稍后收到一份网站、演示或方案的草稿。

他引用了那句广为流传的话——“我希望 AI 去洗衣服、洗碗，这样我才能去创作艺术”。在他看来，自己正逐渐分清哪些是“洗衣服”的活、哪些是“艺术”的活。这几个月里，他反而有更多时间与研究、创意、产品和市场团队合作。他坦言，在 2026 年，很容易陷入“带着一个编程 agent 独自熬到凌晨 3 点”的状态，但那对他而言并不有趣——加入一家公司，是为了和优秀的人一起把事情搞定。当团队和 agent 都能接棒推进、没人再需要当那块“胶水”时，协作本身就重新变得美好了。

背景补充

「具身化（embodied）」一词借自认知科学与机器人学，原指智能体拥有物理身体并通过感知-行动回路与环境交互。在 AI agent 语境中，具身化被引申为：agent 不只是被动回答问题，而是拥有持久存在的「数字躯体」——独立的计算环境、浏览器、文件系统和外部服务访问权限，能够主动感知环境变化并持续采取行动。这与传统的「无状态」对话式 AI 有本质区别：后者每次对话结束即遗忘，而具身化 agent 在会话之间保持状态，能自主监控事件、发起操作，无需人类每次手动触发。Jason 所描述的 dot 正是这一理念的实现——它在云端持续运行，持续吸收上下文，并能在获得授权后将「手臂」延伸至用户的本地机器，形成云端与本地之间无缝衔接的行动能力。

MCP（Model Context Protocol）是一种开放协议，旨在标准化 AI 模型与外部工具、数据源之间的通信方式，类似于 USB 之于硬件外设——任何兼容 MCP 的工具都可以被兼容 MCP 的模型直接调用，无需为每对「模型+工具」单独开发适配层。Jason 提到的 WebMCP 是其 Web 端延伸：网站可以在服务器端暴露一个带身份认证的 MCP server，使得 AI agent 能以与人类用户相同的权限和上下文访问该网站的功能与数据。这一机制的意义在于，它让工具的能力边界从「人能操作」自然扩展到「人与 agent 都能操作」，而无需网站专门为 AI 重新设计 API 接口，大幅降低了 agentic 工作流与现有 Web 生态集成的门槛。