Chat、Work、Codex 的区别和使用场景

视频演示

开头

ChatGPT 和 Codex 合并后，界面里出现了 Chat、Work 和 Codex 三种模式。它们到底有什么区别？什么时候该用哪个？

它们看起来都在帮人完成任务，实际的工作方式和适用场景却不一样。

先看各自适合做什么，再从入口、工作环境、上下文和交付结果来对比。这样也能解释一些日常问题：为什么会有 Work 模式、额度怎么算、记录为什么有时同步、有时不同步。

定位区别

我们先给 Chat、Work、Codex 一个最小定位：Chat 是对话和思考入口，适合提问、讨论、探索问题；Work 是知识工作和非编程任务的 Agent，适合整理资料、处理文档、产出方案；Codex 是项目和本地环境里的 Agent，适合围绕文件、代码、终端和验证来推进任务。

这三种模式，按工作方式可以分成两类：对话式 AI 和 AI Agent。Chat 是对话式 AI，我们主导对话，一边问、一边补充、一边判断；Work 和 Codex 是 Agent，我们给目标和要求，它来持续推进任务。

视频截图 01:14

这个分类也能解释一个常见问题：Chat、Work、Codex 的额度是否共享。Work 和 Codex 共享 Agent 用量，普通 Chat 单独计算。进入 ChatGPT 官网，在「设置 > 使用情况」里，也可以看到 OpenAI 对此的明确规则。

视频截图 01:30

那既然 Work 和 Codex 都是 Agent，为什么还要分成两个模式？核心是任务场景不同。Codex 更偏代码、项目、本地文件和执行环境。

但 Agent 不只是用来写代码。据 OpenAI 的数据显示，Codex 用户里大约 20% 已经是非开发者。这些非开发者也会用 Agent 写文档、整理资料、分析信息、处理业务任务。Work 就是为写文档、整理资料、分析信息这类非编程任务，提供一个更专门的 Agent 入口和工作流。

视频截图 02:02

工作流区别

现在我们来看，它们实际用起来到底有什么区别。参考我之前分享过的 Agent 五层工作流，这里主要从四个维度来分析：入口、工作环境、上下文，以及最后的交付结果。

视频截图 02:17

首先是入口不同。Chat 是最通用的对话入口，ChatGPT 手机端、ChatGPT 网页端、ChatGPT 桌面端都可以用。Work 的入口也很通用，ChatGPT 手机端、ChatGPT 网页端、ChatGPT 桌面端也都可以使用。

Codex 则主要在 ChatGPT 桌面端和本地开发环境中使用，一般会围绕本地项目来工作。在 ChatGPT 手机端，可以远程查看和控制桌面端正在进行的 Codex 任务；对更专业的用户，还可以通过 VS Code 的 Codex 插件，或者 Codex CLI 来使用。

视频截图 02:52

第二个维度是执行环境。Chat 基于云端，所以聊天记录可以跨设备同步。比如我在 ChatGPT 网页端发起聊天，在 ChatGPT 桌面端也能看到同步过来的记录。

Work 模式比较特殊，它的执行环境和发起入口有关系。在 ChatGPT 网页端和 ChatGPT 手机端，Work 都运行在云端环境；在 ChatGPT 桌面端，则可以选择在电脑本地运行，或者在云端环境运行。

视频截图 03:19

例如，在 ChatGPT 电脑端的 Work 模式下，我们可以选择在电脑本地（On my computer），或者在云端（In the cloud）。不过，云端 Work 和桌面端本地 Work 并不会自动互相同步。Codex 更偏本地项目环境，围绕本地电脑、当前目录和当前项目进行推进。

第三个维度是上下文。Chat 主要依赖当前聊天、历史对话，以及我们手动上传或粘贴的资料。Work 在这个基础上，还可以结合项目内容和已连接的外部服务。Codex 则主要读取当前项目环境里的内容，比如本地目录、仓库、文件、终端输出和运行结果。

视频截图 04:05

另外还有一个很实用的功能：添加到对话，也叫 add to Chat。它可以把 Chat 里的记录，作为上下文带到 Work 或 Codex 的对话里。

例如，我先打开刚才测试过的 Chat 对话，点击在快速聊天中打开（Open in quick chat）；然后新建一个 Work 对话，再点击添加到对话（add to Chat），就能把刚才的 Chat 记录加进来，作为后续任务的上下文。这就提供了一条从 Chat 探索，到 Agent 执行的上下文交接路径。