OpenAI DevDay Exchange Tokyo 回顾：dots 与 Codex 的实战用法

2026年10月20日，OpenAI在Bellesalle新宿Grand举办了面向开发者的活动“DevDay Exchange Tokyo”。开发者、研究人员、学生等500多人参加。OpenAI的登台者们基于上月末在旧金山举办的DevDay上的发布内容，介绍了产品、技术及其活用方法。

本文将围绕主题演讲，报道dots和Codex的活用，以及连接ChatGPT与外部服务的机制。

在日本，dots的周活跃用户数位居全球第2

开场环节，OpenAI Japan代表执行役社长长﨑忠雄登台。他向日本开发者社区说明了活动宗旨，同时展示了日本国内使用范围的扩大。

在开场环节登台的OpenAI Japan代表执行役社长长﨑忠雄

根据OpenAI此次公布的数据，日本在dots的周活跃用户数上位居全球第2，在亚太地区最多。日本dots周活跃用户中近6成在同一周使用了3天以上，超过6成在同一周也使用了Spaces或Pages。

在企业服务方面，日本ChatGPT Enterprise的签约席位数（用户许可证数）同比增长超过2倍。ChatGPT Business与Enterprise合计的签约席位数同比增长近2倍。API的使用也在扩大，OpenAI API的活跃账户数较上年同期增长超过60%。

dots在云端推进的调查与开发

接下来，OpenAI应用部门CTO Vijaye Raji登台，讲解了将dots和Spaces等用于工作的方法。此外，旧金山DevDay上发布的产品与技术详情已在上月的报道中汇总。

介绍DevDay发布内容的Vijaye Raji

dots是基于用户的目标和过去的交流，在云端推进调查、资料制作、软件开发等工作的AI代理。除单次委托外，还可以委托其进行指定日期的定期执行，或以所对接的联动服务的更新为契机开展工作。工作过程中也可通过消息或语音通话进行商谈，追加指示或改变方针。[1]

Raji将持续把握工作状况、告知用户此前未注意到的课题、提出下一步应对建议等也列为dots的特点。官方指南也说明，它会主动调查具有读取权限的信息，并结合过去的工作提出建议或进行确认。例如，告知日程，或询问此前谈过的工作进展。

演讲的幻灯片中还展示了面向次年投资计划、提出事业部门间预算分配方案的用法。

从预算分配建议到缺陷修复，向dots委托的示例

作为开发中的活用示例，Raji列举了应对Slack上收到的缺陷报告。dots会调查原因，经过代码修改和测试后创建拉取请求。

开发中的另一活用示例。委托从即将停用的API迁移，并准备用于评审的拉取请求

dots还可以利用所连接应用及本地PC上的数据和工具。云端上的工作即使在关闭PC后也会继续，但使用本地PC的工作需要保持该PC在线并打开ChatGPT应用。

Raji介绍了面向会计、邮件营销、法务分析、咨询应对等的Specialist dots，作为面向企业客户的预览版。

Raji在演讲中还提到了ChatGPT Spaces，作为人与代理共享页面和文件进行作业的场所。可以将调查结果、计划、制作的资料汇集到同一处，与团队成员及代理一起确认、修改内容。

作为具体示例，他列举了将会议插件中创建的会议记录保存到共享页面，以及创建、编辑演示资料等用法。此外，还提到了持续调查信息、使页面内容保持最新的运营方式[2]。

由GPT-6.1 Sol与Agents API支撑的代理开发

要让代理持续运行，除了推理质量外，响应速度和成本也很重要。Raji在演讲中介绍了GPT-6.1 Sol以及可高速输出的Ultrafast模式[3]。

GPT-6.1 Sol是一款在复杂编程和业务场景中，力求兼顾接近GPT-6 Astra的性能与低成本的模型。根据官方价格与规格，在常规API价格下，输入和输出的token单价被设定为Astra的五分之一。[4]

Raji在创建并发射3D火箭的演示中，比较了常规模式与Ultrafast模式的速度。当常规模式还在继续创建时，Ultrafast模式下屏幕上的火箭已经完成并升空。

面向开发者，他还介绍了以低延迟处理分类和判定等的Decisions API，以及利用Codex执行基础将代理功能嵌入自有应用的Agents API[5]。

在Codex中持续作业的机制与代理的角色分工

担任OpenAI应用AI工程（API）负责人的Bonnie Chatterjee以“What Comes After Loops?”为题，讲解了代理推进长时间工作的机制以及组合多个代理的思路。

其基础是Codex的harness。它管理传递给模型的指令、对话历史、工具执行结果，并执行模型请求的工具。模型根据返回的结果判断下一步行动，通过重复这一交互来推进调查、实现和验证。

在长时间作业中，读取的文件和工具执行结果会不断累积，接近模型一次可处理信息量的上限。因此使用Compaction（上下文压缩），在保留继续作业所需信息的同时，减少传递给模型的信息量。

Codex harness的构成。结合与模型的交互、工具执行和上下文压缩来推进作业

即使能保留必要信息，有时作业尚未完成，在报告中间成果后处理就会停止。针对这一课题，Chatterjee介绍了Codex的/goal。预先设定目标后，Codex在返回中间报告后也会确认达成情况，若未达成则可继续作业。幻灯片中展示了调查搜索变慢的原因、尝试修复并验证效果的示例。

通过/goal委托改善搜索速度，并推进分析、修复、验证的示例

关于/goal的官方指南展示了除目标外，还规定验证方法和作业范围的用法。作业并非无限制地持续，而是在达到设定预算上限时、用户暂停时、没有用户输入就无法推进时等情况下停止。

通过这样的机制，即使单个代理也能推进长时间作业。若让多个代理分担，角色协调和重复作业会产生成本。因此，Chatterjee提出了先明确目标和验证方法、从单个代理开始的思路。在存在大型改造或游戏制作等可独立推进的作业时，再考虑分担给多个代理。

Chatterjee还说明，在分担作业时，要确定各代理的成果物、负责范围和共同约束。在该范围内，让各代理自行判断推进作业。相关代理之间直接协作，避免重复编辑和过度中介。不过，要预先指示在需要变更成果物或负责范围、或无法解决问题时进行报告和协商。

为了让各负责人的认识保持一致，也会使用共享的作业日志。Chatterjee在幻灯片中展示了用于记录对代理指令的AGENTS.md示例。

请创建一份作业日志，记载目标、当前指令、负责人、未完成的作业和决定事项。新的指令要与已经进行中的作业进行比对，并更新相关项目。记录决定事项及其结果，并直接单独通知相关人员。作业完成或交接后，请阅读作业日志，在继续作业前确认当前状态。

在游戏制作的示例中，分担关卡布置和合作游玩等作业，并将目标和决定事项汇总到共享日志中。

游戏制作中的作业分担与共享日志

Chatterjee还展示了根据工作内容区分使用模型的构成示例。在该示例中，使用Sol的代理居于中心，遇到难题时向Astra寻求建议，定型工作则分配给轻量模型Luna。

作为大规模协作的示例，演讲中还提到了纳维-斯托克斯问题的研究。据OpenAI的研究发布，使用公司内部模型的多个代理小组以不同方法攻克了这一问题。其中，最终实现解决的小组约有1万个代理同时运行。在研究过程中，使用Codex汇总各小组的有用见解，并在小组之间共享。

通过插件扩展与外部服务的联动

负责OpenAI Developer Experience的Corey Ching以“ChatGPT Platform with Plugins”为题，讲解了发现插件的机制、ChatGPT内的操作界面以及从开发到发布的流程。其背景是开发者希望让自己制作的插件被用户发现，并希望申请和审核能够顺利推进。

帮助发现插件的是ChatGPT根据对话内容推荐所需插件的功能。幻灯片中展示了一个示例：当用户咨询想把现有网站做成Web应用时，ChatGPT连同用途说明一起提示Supabase和Vercel的插件，并在对话界面中显示安装按钮，让用户能够当场进入导入流程。

将插件操作界面嵌入ChatGPT的机制是Plugin Extensions。可以从侧边栏打开应用、在对话旁边显示操作界面，或用专用查看器处理对应的文件。

Ching在面向生命科学研究的作业环境“Rosalind Workbench”的演示中，结合了通过对话进行的分析，以及显示分子立体结构的查看器。在查看器中选中的位置也会传达给ChatGPT，可以对该部分进行分析或请其进行说明。

Rosalind Workbench的演示。在对话旁边显示分子结构查看器

在设计工具Magic Path中，通过语音委托制作面向棒球活动的着陆页，并在侧边面板中显示生成结果。之后，在画面上手动调整了字体和颜色。

还介绍了使用Canva和Shopify，在ChatGPT内推进设计制作和店铺数据确认等工作的示例。[6]

作为此类联动基础的MCP，是AI应用与外部数据和工具进行交互的协议。在官方文档中，将嵌入操作界面的功能作为扩展MCP和MCP Apps的OpenAI MCP Extensions进行介绍。

Ching还提到了以外部服务的更新为契机驱动代理的MCP Events。官方文档说明了这样一种机制：用户指定要监控的对象以及更新时的应对方式，ChatGPT在收到文档评论等通知后开展作业。

作为减少MCP服务器构建和运维负担的方法，Ching还提到了对Sites的活用。Sites是创建和发布网站及应用的服务，也可以托管MCP服务器。幻灯片中展示了一个示例：制作代理能够浏览和更新的共享TODO列表，并委托完成到部署到Sites以及打包为Codex插件为止的工作。

从创建共享TODO列表到部署到Sites的委托示例

Ching还提到应用和插件的申请数量正在增加，并说明了申请和审核的步骤。

显示2026年应用和插件申请数量增长的幻灯片

要发布制作好的插件，需要以ZIP格式上传包，并针对自动检查的指摘进行应对后进入审核。在当前的申请流程中，审核通过后，开发者可以选择公开的时机。

将ChatGPT的账户和用量额度开放给外部应用

Ching还提到了使用ChatGPT账户登录外部应用的Sign in with ChatGPT。除了登录之外，目标应用还可以将用户的ChatGPT套餐用量额度用于AI处理[7]。演讲中说明，通过这一机制可以减轻应用开发者的推理费用负担，用户也更容易试用外部应用。

此后，还继续进行了涉及代理设计、实现和活用方法的会议。参与者也有机会与OpenAI团队及其他开发者交流，成为就使用AI进行创造交换见解的场合。