別再把 ChatGPT Work 當聊天工具:真正差別與完整教學一次看懂

ChatGPT Chat 跟 Work 有什麼不同?本文從實際工作情境出發,帶你了解 Chat、Work 的差異,以及 Workspace、agents.md、Plugins、Side Panel 與 Skills 該怎麼使用。

Share
別再把 ChatGPT Work 當聊天工具:真正差別與完整教學一次看懂
別再把 ChatGPT Work 當聊天工具:真正差別與完整教學一次看懂

ChatGPT Work 已經推出一段時間了,但直到現在,很多人對它的使用方式還是很模糊。不是不知道有 Work,而是不太確定它和一般 Chat 到底差在哪;甚至真的打開之後,還是照原本的方法問問題、丟檔案、叫它整理內容。

這也很正常,因為現在一般 Chat 本身就能讀檔案、搜尋資料、連接工具,很多事情 Work 也做得到。如果只比較「有哪些功能」,最後很容易變成:那我到底為什麼要特地切到 Work?

真正的差異其實不在某個單一功能,而在工作方式。Chat 比較像是在對話裡解決一個個問題;Work 則是把資料、規則、工具與任務放進同一個工作環境,讓 AI 可以持續處理一整段工作流程。

這篇就不再講那些模糊的產品定位,直接拆給你看:Work 到底該怎麼用,以及為什麼如果只是拿它來聊天,真的很難感受到差別。

先提醒,目前 ChatGPT Work 提供給支援的付費方案使用,Free 與 Go 方案不支援;實際可使用功能也可能受到方案與 Workspace 設定影響。

ChatGPT Chat 跟 Work 最大差別是什麼?

如果只看介面,Chat 和 Work 其實很像;但如果看「使用方式」,兩者的差異就會開始拉開。

OpenAI 對 Work 的定位,也是讓 ChatGPT 從單純回答問題,進一步處理研究、分析、檔案與工具,最後產出文件、試算表、簡報、報告等完整成果。

OpenAI官方介紹。翻譯:現在ChatGPT從只能回答問題,到可以連結各種工具去幫你做事。

但講到這裡其實還是很模糊,畢竟 Chat 現在也可以連工具、讀檔案。真正拉開差距的,是 Work 可以把這些東西放進同一段工作流程裡持續使用,而不只是處理當下的一句 Prompt。

所以接下來最重要的不是先學 Plugins 或 Skills,而是先幫 Work 準備一個固定的工作環境。


第一步:先建立一個 Project/專案資料夾

如果你打算長期使用 Work,建議第一步先建立一個 Project 或專案資料夾,把這類工作會使用到的資料放進去。

例如你要建立自己的內容工作區,可以整理成:

AI-Content/
├── agents.md
├── references/
├── templates/
└── meeting-notes/

在 ChatGPT Desktop 裡,可以直接從既有 Project 開啟 Work,這時 Work 就會使用這個 Project 裡的 Context;桌面版在取得你的允許後,也可以直接使用本機資料夾與檔案。

這一步很重要,因為 Work 真正好用的地方,就是讓你不用每次重新把所有背景資料丟進對話裡。

接下來,才是建立最重要的規則檔:agents.md

agents.md 是什麼?讓 Work 不用每次重新教

當你開始使用 ChatGPT Work 之後,最實用的一件事,就是可以先準備一份規則文件,告訴 AI:你平常做事有哪些固定習慣。

這份文件叫做 agents.md

先不用被這個檔名嚇到,它其實沒有那麼技術。.md 只是 Markdown 文件格式,你可以把它想成一份很單純的文字檔,和 Word、記事本一樣都是拿來放文字,只是格式比較簡單。

將需求傳達給Work, agents.md即完成

agents.md 的用途,也可以理解成是給 ChatGPT Work 看的一份「工作說明書」。

例如你可以在裡面寫:​

## Global Rules

- 回覆先給結論,再補充細節
- 會議預設為 45 分鐘
- 整理研究資料時,區分 Facts、Insights、Open Questions
- Gmail 回覆不要加入簽名

這些都不是在告訴 AI「這一次要做什麼」,而是在告訴它:以後只要遇到這類工作,就按照這些習慣處理。

這也是它和一般 Prompt 最大的差別。Prompt 比較像你每次下達的任務;agents.md 則比較像你先把公司的 SOP、個人偏好和工作習慣寫給它看。

所以之後你就不用每次重複說「記得先講重點」、「不要加簽名」、「格式照之前那樣」。只要這些規則已經寫進工作區,Work 就能按照同一套方式執行。

如果你剛開始用,其實完全不用把這份文件寫得很複雜。先放 3~5 條你最常重複交代的規則,就已經很有感。

等規則越來越多,再慢慢把不同類型的內容拆開整理就好。


把工具接進 Work,才開始像是在「真的做事」

有了 agents.md 之後,Work 知道你希望事情「怎麼做」;接下來還差一件事,就是讓它能使用你平常工作的工具。

這時候就會用到 Plugins。你可以把 Plugin 理解成 ChatGPT 和其他服務之間的連接方式,例如 Gmail、Google Calendar、Notion 或 Slack。連接之後,Work 就不只是讀你貼進對話裡的內容,而是能在你授權的範圍內,直接取得需要的資訊或執行工作。

桌面版。進去外掛程式中,選擇想要連接的外掛,並按「+」即可

不過,單純「把工具連上」還不是 Work 最有價值的地方。真正好用的是,你可以把前面提到的工作規則一起套進去。例如你習慣 Slack 討論整理成「決策、待辦、未解問題」三類,或是 Notion 一律沿用既有模板,這些都可以事先設定成規則。之後使用這些工具時,就不必每次重新解釋格式。

這也是 Work 很重要的一個概念:工具負責讓 AI 做得到,規則則決定 AI 要怎麼做。

當檔案、規則和工具都開始放進同一個工作環境後,Work 才會真正從「回答問題的 AI」,慢慢變成一套可以重複使用的工作流程。


Side Panel:不用一直在聊天視窗和其他工具之間切換

Work 桌面版另一個很實用的地方,是右側的 Side Panel。它不是單純拿來顯示聊天內容,而是把「看資料、改檔案、開網頁」這些原本要切去別的地方做的事情,直接放回工作流程裡。

你可以在 Side Panel 預覽 Work 找到或產出的檔案,也可以直接修改內容;如果資料在網站上,還能使用內建 Browser 開啟頁面,不一定要一直截圖、貼網址再重新描述。你提供的教學裡,也示範了直接在網頁上標記區塊,再請 Work 針對指定內容調整。

另外,Side Chat 則比較像是工作中的臨時支線。當主任務還在進行,但你突然想確認某個細節,可以另外開一個 Side Chat 問,不需要打斷原本的工作內容。

Side Chat 則是工作中的臨時支線

簡單來說,Side Panel 的價值不是「多一個視窗」,而是讓 Work 在處理任務時,可以直接看到、修改並使用工作中的資料。


Skills:把你一直重複修改的方式,變成可重複使用的規則

如果 agents.md 比較像是在告訴 Work「平常做事要遵守哪些原則」,那 Skills 則更像是把某一種固定工作的處理方式,直接整理成一套可以重複執行的流程。

例如你每次請 AI 寫完內容後,都會固定修改語氣、段落順序、標題寫法。與其每次都重新告訴它哪裡不對,不如讓 Work 比較「AI 原本的版本」和「你最後修改的版本」,從中找出重複出現的差異,再把這些差異整理成規則。你提供的教學裡,就是利用這種方式,讓 Work 從實際修改紀錄中提取出可重複使用的寫作偏好。

Skills 的重點不是讓 AI 自己「記住一切」,而是把你原本就會反覆做的調整,整理成一套明確流程。之後再遇到相同類型的工作,就不需要每次重新從頭教一次。

對經常需要處理固定格式工作的人來說,這會比單純存一堆 Prompt 更實用,因為你累積的不是一句指令,而是一套越來越接近自己工作方式的流程。

建立屬於自己的skills

新手怎麼開始用 ChatGPT Work?

如果前面看完覺得功能很多,其實不用一次全部設定好。對新手來說,最簡單的方式反而是:先選一種你真的會重複做的工作,讓 Work 從這件事開始。

例如你可以先建立一個工作資料夾,把常用文件和 agents.md 放進去,接著只寫幾條最常重複交代的規則。等你實際使用幾次後,再慢慢補上 Plugin、Skills 或更多工作分類,不需要一開始就把整套系統建得很複雜。

可以先照這個順序開始:

  1. 建立一個 Workspace,放入這類工作常用的資料。
  2. 建立 agents.md,請Ai在裡面撰寫 3~5 條固定規則。
  3. 連接一個你最常使用的 Plugin,例如 Gmail、Calendar 或 Notion。
  4. 實際把一個完整任務交給 Work,而不是只問單一問題。
  5. 每次發現自己又重複修改同一件事,就把它整理成新的規則或 Skill。
在workspace中放入剛建好的 agents.md

Work 真正好用的地方,不是第一次打開就會多出什麼神奇功能,而是你持續把自己的工作方式放進去之後,它會越來越接近你真正需要的工作環境。

所以如果你一直知道 ChatGPT Work 的存在,卻不知道到底要拿它做什麼,可以先從一個問題開始想:有哪些工作,是我每次都要重複交代一樣的規則?

那通常就是最適合先丟進 Work 的地方。


FAQ:ChatGPT Work 常見問題

ChatGPT Work 和一般 ChatGPT 最大差別是什麼?

一般 ChatGPT 比較適合即時問答、搜尋、腦力激盪與單次任務;Work 則更適合需要多步驟、固定規則、檔案與工具一起參與的工作。最簡單的理解方式就是:Chat 偏向「回答問題」,Work 偏向「完成工作」。

一定要先學會 Markdown 才能用 agents.md 嗎?

不用。agents.md 雖然是 Markdown 格式,但本質上就是一份文字規則檔。剛開始只要會新增標題、條列文字就夠了,不需要懂程式。

ChatGPT Work 一定要連 Plugin 才有用嗎?

不一定。只用 Workspace、檔案和規則,一樣可以建立自己的工作流程;但當你需要使用 Gmail、Notion、Google Calendar 等外部工具時,Plugin 才會讓 Work 的價值更明顯。

Work 適合拿來做什麼?

最適合的是那些會重複發生、步驟不只一個,而且你已經有固定做法的工作。像是研究整理、內容產製、文件處理、會議與行事曆管理,或固定格式的工作流程,都比單純問一個問題更適合放進 Work。

最後:不要把 Work 當成另一個聊天視窗

ChatGPT Work 真正的價值,不在於多了一堆新功能,而是把 AI 從「回答你問題的工具」,往「參與你工作流程的角色」再推進一步。

如果你只是把它拿來問問題,確實很容易覺得和一般 ChatGPT 差不多;但當你開始把常用資料、工作規則、工具和固定流程放進同一個 Workspace,差異才會真正出現。

所以不用一開始就建立很複雜的 AI 系統。先挑一個你每週都會重複做的工作,放進 Work 跑一次,再把過程中一直重複交代的事情整理成規則。這通常就是最容易開始,也最能感受到差異的方法。

Source

Read more

Google DeepMind Dream-RSI 遞歸自我改進框架官方主視覺海報

讓 AI 在歷史中「做夢」實現自我進化!Google DeepMind 發表 Dream-RSI:告別微調權重,探索算力成本暴降 162 倍,揭開遞歸自我改進(RSI)新範式

Google DeepMind 震撼發表 Dream-RSI(arXiv:2609.14858)!首創將歷史發現樹轉化為經驗回放模擬器,讓 AI 在低成本「夢境」中自我進化探索策略。Lasso 算法任務算力調用縮減 162 倍且超越 scikit-learn,刷新幾何極值與 GPU Kernel 性能,開啟安全高槓桿的 AGI 自展新範式。

QuiverAI 正式發表新一代向量生成模型 Arrow 2 與 Arrow 2 Telos

告別點陣像素與描摹地獄!a16z 押注 830 萬美元,QuiverAI 正式發表 Arrow 2 與 Arrow 2 Telos:首款原生代碼向量世界模型登場,幾何拓撲優化、微動畫與 MCP 代理革命深度解析

傳統生成式 AI 沉溺於像素點陣,但真實的軟體與設計世界由向量(SVG)統治!由 Mila 頂尖學者 Joan Rodríguez 創立、a16z 領投 830 萬美元的 QuiverAI,重磅發表新一代雙旗艦模型 Arrow 2 與 Arrow 2 Telos。徹底終結傳統「AI 生圖再描摹」的節點爆炸災難,以原生代碼生成精準、少控制點的乾淨幾何,並首創 SVG 微動畫引擎與原生 MCP 協議支援。本文深度拆解雙模型架構、拓撲優化技術、動畫原理解析、Cursor/VS Code Agent 整合實務與完整計費定價。

NVIDIA 震撼發表 CUDA Rust:雙軌並進打造記憶體安全 GPU 核心

NVIDIA 震撼發表 CUDA Rust!GPU 核心編程迎來記憶體安全革命:cuda-oxide 與 cutile-rs 雙軌並進、原生編譯 PTX 徹底告別 C++ 記憶體未定義行為深度解析

NVIDIA 官方宣布全力進軍原生 GPU Rust 編程!推出 SIMT 底層編譯器 cuda-oxide 與支援穩定版 Rust 1.89+ 的 Tile 程式設計庫 cutile-rs。透過 DisjointSlice 與張量分區所有權,徹底在編譯期消滅 GPU 資料競爭與未定義行為。本文完整拆解底層架構、向量加法代碼實測與產業影響。

舊金山 Dreamforce 2026 世紀論戰:黃仁勳正面交鋒 Dario Amodei

黃仁勳台上正面交鋒 Dario Amodei!Dreamforce 2026「AI 該狂奔還是剎車」世紀大論戰:痛批速度與安全是虛假二選一、企業各自負責何須新法規?背後算力利益與安全護城河深度全解析

Dreamforce 2026 現場直擊!Dario Amodei 主張為前沿 AI 設定安全步調,黃仁勳正面開火痛批「速度與安全是虛假二選一」,大喊「放手狂奔,失控才個別暫停」。深度拆解背後算力利益、Salesforce 雙軌佈局與台股半導體大局。