萨姆·奥尔特曼借助OpenAI的Dot做出一种区分，这比更快地回复消息更重要：哪些事需要他立即处理，哪些可以稍后再说。Dot是一个常驻型AI智能体，能够持续关注上下文，并在后台执行任务。对奥尔特曼来说，这意味着早晨重新安静下来，可以用于创造性工作和陪伴家人。它也让他不必先把每个粗略想法都写成正式规格说明，就能探索软件创意。
让早晨免受虚假紧急事务的干扰
在运营OpenAI的过程中，奥尔特曼的早晨一度被用来消化夜间发生的运营问题。如今，Dot帮助他梳理收到的信息，标出需要关注的事项，他不必再逐条查看每一条消息。目的并不是消除紧急工作，而是不让不那么紧急的工作占用同样的注意力。
当信息分散在不同地方时，这种筛选的价值就更加明显。奥尔特曼的智能体曾在一次会议前提醒他，只剩下一段很短的空档可以处理一件急事。另一次，他想找一条记得在Slack上见过的信息，花了10到20分钟，其中也用Codex搜索过，最后还是放弃了。他的智能体通宵继续查找，发现这条信息藏在一张图片里，而不是普通的消息文本中。它借助光学字符识别，也就是从图片中提取可读文字的技术，找到了这条信息。
▲ 后台筛选收到的工作
智能体还能在问题干扰更重要的工作之前把它揭示出来。在一场DevDay演示开始前5分钟，OpenAI一名工程师的Dot检测到一个影响演示的严重生产环境故障。它提醒了这名工程师，查看了演示幻灯片，并提出尝试自动修复。这件事能说明的是，智能体发现并上报了问题，但不能说明它提出的修复方案已被实际采用。
这些例子显示了后台辅助的有效边界：智能体可以持续搜索、串联分散的上下文，并及时发出提醒。至于提醒意味着什么、该如何应对，仍然要由人来决定。
把口述的想法变成原型
当一个想法还太粗糙、无法作为常规规格说明交给工程团队时，奥尔特曼也会用智能体来处理。针对一个复杂的软件功能，他在白天记录语音备忘录和零散想法，包括散步的时候。一夜之间，智能体做出了五六个可运行的版本，收集了用于反馈的参数，并列出了接下来可以推进的七个开发步骤。
这改变了评审的起点。奥尔特曼不必在第一次讨论时解释每个细节，而是可以直接查看实现结果并作出反应。这些版本有助于他检验一个想法可能如何运作，但软件能运行本身，并不能决定这个功能是否值得继续推进。
▲ 语音备忘录变成功能原型
奥尔特曼并没有把所有早期想法都这样交出去。对于全新概念的文档，他仍然更喜欢亲手撰写，因为打字能帮助他把问题想透。他的做法区分了两种从外部看起来相似的活动：用智能体探索可能的实现方式，以及为界定一个新概念而进行的更慢的思考。
不靠固定仪表盘追踪优先事项
同样的分工也体现在奥尔特曼对Space的使用上。Space是OpenAI的协作工作空间项目，其中的实时文档并非静态文件，而是会随着信息和人们工作的变化而更新。奥尔特曼使用一份定制文档，它从包括Slack在内的内部沟通中提取内容，反映他当前需要关注的事项。
六个月前，他的仪表盘侧重于增长和收入。最近，它突出的则是安全性、对齐和安全防护研究方面的挑战。文档可以揭示关注重点的变化，但不会替他作出背后的战略判断。这一区别很重要，因为只有当读者能够决定要调查或改变什么时，仪表盘才最有用。
现有工具也有局限。跨移动端、桌面端和云端环境的智能体体验仍存在漏洞和集成上的摩擦。常驻助手可以减轻监控这些系统的负担，但这并不意味着它的输出可以不经检查就直接接受。
可行的分工方式
奥尔特曼的例子提示了一种给后台智能体分配工作的实用方法：
- 面对分散的沟通： 让它收集上下文、持续进行困难的搜索，并区分紧急提醒和可以稍后处理的事项。
- 面对粗糙的软件想法： 把语音备忘录交给它，让它做成可供人评审、修改或否决的版本。
- 面对重大选择： 留出亲自思考的时间，先评估智能体的发现，再采取行动。
改变并不在于所有决定都交给Dot，而在于搜索、日程细节和初步实现不再与只有人才能作出的决定争夺同一片心智空间。不妨从一件反复打断专注工作的任务开始，再决定哪些提醒和结果你仍想亲自审查。