大语言模型

我的Dot一日体验报告

2026 年 10 月 8 日

作者在OpenAI DevDay发布Dot后立即进行高强度一日体验，测试其形象定制、云端电脑功能（含Blender建模与视频渲染）、语音交互节奏、多任务上下文保持能力、本地Mac协同逻辑，以及入口位置所暗示的产品战略意图。

先选一只顺眼的

Dot有一组官方预设形象。青蛙、戴贝雷帽的蓝色云朵、戴眼镜的黄色三角饭团，还有戴墨镜的爱心，各有各的样子。

我选了青蛙，给它取名 wawa。圆圆的身体，打着一只黑色领结，看着有点认真，又没那么严肃。如果都不喜欢，也可以选择最前面的图标进行丰富的自定义。

一个经常打开的工具，吉祥物做得可爱一点，确实更容易让人记住。至少现在我说起这次体验，脑子里已经有一只具体的小青蛙了。

不过，形象只是开场。后面真正要看的是，这只青蛙接到事情以后，会把它做成什么。

打开 wawa 的云端电脑，整个桌面都是青柠绿的。浏览器欢迎页里也能看到它，颜色和角色是统一的，非常可爱。

这台电脑有自己的浏览器、文件和软件环境。按官方说明，云端工作可以在我的电脑关机后继续；本地浏览器的登录状态也不会自动搬过去。

我还让它查了一下云端小电脑的配置：

然后看到它桌面上居然有blender，于是我让 wawa 在云端做了一个自己的 3D 小模型试了下，最后拿到了渲染图和可以继续编辑的工程文件。

又让它渲染了一段视频，还，像那么回事儿。

语音是这次我比较想单独说的部分。

给它打了好几通电话，我也可以在iphone上跟它语音聊着，然后在电脑端的Codex上继续干活；体验还是不错的。

语音反馈很快。每句话说完立刻会给回复，然后再进入一小段等待的时间，完全 ok，不会让人排斥。

这里的“快”，说的是我感受到的反馈节奏，没有拿秒表测延迟。先有回应，再等它处理事情，那一小段等待是可以接受的。

这种交流方式很适合把一句话补完整：先说想做什么，再补限制，或者中途改一下方向。不必每次都先把需求整理成一大段文字。

当然，聊得顺和最后做得对，是两件需要分别看的事。我还是会打开结果确认一下。

这一天我给它的事情比较杂：资料整理、图文编排、写代码、做模型、聊规划...

我更在意的是，话题切走以后，再回来能不能接上。上一件事还没结束，我能不能先补充另一件事，而不用把前面所有背景重新讲一遍。这就是跟传统GPT任务或者Codex任务不一样的地方；它始终会像人类一样先最快的回复你，并把任务放在后台保持处理。

一个比较实际的例子是 Notion 资料库。我和 Dot 约定了一个很明确的流程：我随时丢链接，并且明确说“入库”，它就会整理我发的链接摘要和详情、保留来源链接、分类、查重，放进我Notion的资料库。

目前它也没有跟我表达需要为此建立skill，调用skill或者特定工具的传统用法，这点还是比较惊喜，就是不知道上下文长度起来以后，它还能不能记住这些任务。（目前1天高频使用下来，第二天依旧可以顺利触发任务）

官方支持在同一段交流里切换任务、补充细节和调整优先级。不过，这不代表它永久记得所有细节，也不代表连接电脑后，就自动读懂其他应用里的全部历史。

实际用下来，也有些小地方需要磨合，比如图片怎么拿到手、任务当前到底做到哪一步，有时还要再确认一句。这些会影响流畅程度，还是得看看具体结果有没有交到手里。

我一开始也有这个疑问：你都有自己的电脑了，怎么还要用我的？

查了官方说明，就好理解了。Dot 的云端电脑有自己的文件、软件和浏览器，查资料、处理文档、写代码，都可以在那里做。我的电脑关了，它也能继续推进云端的工作。

但我 Mac 上的工程、装好的工具，还有浏览器里的登录状态，并不会自动出现在它那边。

还有一点：云端可以自己工作，但要用我的 Mac 干活，Mac 就得在线，桌面客户端也要开着。连接过 Codex，也不等于自动给 Dot 开放了权限，仍然需要单独授权。

所以现在我会先看：这件事要用的文件和工具，到底在哪里？像这次wawa模型，云端有 Blender，就在那里完成；需要接着我本地的工程做，再让它用我的 Mac。两边各有用处。

我注意到，在我这边看到的 Codex/GPT 界面里，Dot 被放在了侧边栏第一个的位置。

加上目前Dot并不会消耗大家的codex额度，不妨让人联想到，这个Dot要么是未来的重要方向，要么就是在进一步获取大量的用户真实任务数据，来炼一个更强大的模型。（比如这次注册Dot第一步会让用户绑定google账号和邮箱，虽然邮箱那步是可以跳过的。）

往外看，类似方向也不止一家在做。Grok Bot 一直在更新，Meta 的 Muse最近也火的不要不要的，还有那个Manus的Cue，也是新公布不久。

所以，比起“每个人都分到一台实体电脑”，更准确的说法可能是：越来越多个人助手，开始有一个能放文件、运行软件、持续执行任务的云端环境。

这次的一日体验报告，先写到这里。

更多的体验和玩法，等后续实际产生了，再来分享。

企业部署智能体时，需重新评估「本地算力」与「云端沙箱」的分工边界——当助手自带Blender等专业工具链，企业IT策略需从“终端软件许可管理”转向“跨环境任务路由治理”。
这类系统对RAG知识工程提出新挑战：Notion资料库自动入库等长期任务依赖上下文记忆，但原文明确指出“不保证永久记住所有细节”，意味着企业必须设计显式知识锚点机制，而非仅依赖隐式对话记忆。
语音交互中“先回应、再处理”的节奏，暴露了智能体工程中响应性与执行确定性的根本张力——企业若将此类系统用于关键业务流程，需在UI层嵌入可验证的任务状态反馈，而非仅依赖自然语言确认。
Dot入口置于侧边栏首位且不计费，暗示平台正通过零成本入口收集高价值任务模式数据；对企业而言，这意味着早期采用者实际参与了智能体行为范式的共建，其操作路径将成为后续企业级智能体训练的关键监督信号源。