这时候，AI写出一段漂亮的开场白，当然有用。可剩下那些复制、整理、核对、改格式的活，照样得有人干。
GPT-6和Codex值得关注的地方，就在这段“答案出来以后，事情还没做完”的距离里。
GPT-6和Codex，先别混成一个东西OpenAI在8月31日至9月4日的官方更新中介绍了GPT-6 Astra，重点包括复杂推理、电脑操作，以及跨代码、应用和研究任务的判断能力。
名字听着有点绕，拆开就容易理解了：GPT-6 Astra是模型；Codex是让模型接触任务、文件和工具，实际开展工作的环境。使用Codex，也不意味着里面一定选的是GPT-6。
你可以把模型理解成负责想办法的一部分。文件在哪里、网页能不能打开、有哪些工具可用，则决定这个办法能不能落到实处。
所以，换上更强的模型，不等于所有软件突然都能随便操作。账号是否开放、客户端支持什么、你给了哪些权限，都会影响最后能做的事。
真正让人感兴趣的，是能不能把活接过去拿整理报告举例。假设你手里有三份活动方案，想知道哪份还缺时间安排、哪份没有负责人、哪些预算写得含糊。
只问“活动方案怎么写”，很容易得到一套通用框架。换一种交代方式，任务就具体了：
比较这三份方案，把日期、负责人、预算和待确认事项整理到一张对照表里。原文没写的标“未提供”，互相矛盾的单独列出，最后给我一页可以直接讨论的结论。
这里想要的成果，是一份能拿去讨论的文件。需要读取材料、对照信息、整理结构，做完以后还得检查遗漏。官方给Astra列出的工作方向，就包括完成流程、检查结果，以及制作文档、表格和演示稿。
上面这段是任务示例，具体效果仍要用你自己的材料验。真正有用的结果，应当能让你沿着结论找回原文，而不是看起来很整齐，问到出处却对不上。
网页里的事，也开始能接着做另一种变化更直观：在配置好浏览器连接、授予相应权限之后，Codex可以利用已经登录的网页处理任务。
例如，把一份已经核对过的信息填写到网页表单里。以前要自己一栏一栏搬过去，现在可以把字段对应关系、缺失信息怎么处理、做到哪一步停下，一次说清楚。
这类工作之所以烦，往往不是因为难，而是细碎：切换页面、找输入框、复制一段文字，再回来检查有没有漏。
浏览器操作把这些步骤纳入了AI可以参与的范围。不过，填完表和提交成功是两回事。遇到登录、验证码、页面变化或权限限制，流程仍可能中断。只看到一句“完成了”，还不够；最终页面到底显示什么，也得算进验收。
你不必先学编程，但得知道什么叫做好对普通用户来说，开始用这类工具，不一定要先背一堆术语。找一件自己经常做、又能判断对错的事，反而更容易看出价值。
比如，把几份公开资料汇成对照表；按既定规则整理一批文件；把一份长文档压成几页汇报提纲。
交代任务时，补上三句话通常很有帮助：用哪些材料，最后要交什么，哪些地方不能擅自决定。
“帮我做得专业一点”听着要求很高，实际上留下了很多猜测空间。“面向第一次了解这件事的同事，写两页，保留原始数字，缺失项单列”，就更容易核对结果。
省了操作的力气，核对这一步别省AI把文件做好了，人的注意力就该转向更关键的地方：那几个数字有没有算错，资料是不是过期了，建议有没有超出原始材料。
需要特别留神的，还有“看起来完成了”的情况。文件生成了，打开后可能还有版式问题；表格汇总了，可能混用了不同统计口径；网页填好了，也可能漏掉必填项。
判断一次使用值不值，可以记下自己实际花在准备材料、补充说明和检查返工上的时间。连这些一起算，才能知道它究竟替你省了多少事。
我的看法是，GPT-6配合Codex最值得试的场景，是那些目标明确、材料齐全、结果又能核验的电脑工作。把第一件事做扎实，比一上来就要求“替我处理所有工作”更有说服力。
如果现在就能把一件电脑里的烦心事交出去，你最想交的是做表、写报告，还是反复填写那些网页？