網頁版聊天型 AI 和桌面型幹活 AI：Codex 是裝進電腦裡的 GPT 桌面版

這篇在講什麼

新手常把所有 AI 都理解成一個聊天框，但聊天型 AI、單項網頁工具、桌面型工作 Agent，面對的其實是完全不同的任務。這篇用我自己從 2022 年一路換工具的經驗，把三種入口的邊界講清楚，也解釋為什麼桌面版是一次範式轉變。

先分清楚三種入口

三種入口沒有誰取代誰，用任務來選就好：只是要討論文字，聊天框最快；要快速生一張圖，網頁工具最省事；要整理一批本機檔案、更新網站資料、把一段流程做完，就輪到桌面型 Agent。

網頁版時代教會我的事：專案模式與它的三個痛點

在桌面版之前，讓我第一次真正感受到工作流改變的是 ChatGPT 的專案模式。針對特定主題把參考資料都丟進去，還可以設專案指令。我印象最深的是用它備考 iPAS AI 應用規劃師：把課綱、教材都丟進專案，考前一天跟它說「把過去聊的東西整理一下，把我不熟的、常搞混的、一直忘的，做一頁小抄給我」，它就做出來了。那一刻我深刻感受到：它懂我、記得我需要什麼，用不著每次重講。

用久之後，三個痛點也很誠實地浮出來：

• 錯誤累積無法刪除：問錯九次、問對一次，錯誤知識和正確知識全混在同一個專案裡。
• 跨專案分析很難：想把 A、B、C 三個專案的重點組合成 D，在我使用的當下幾乎沒有好方法。
• 搬家很痛苦：想換一家平台，所有資料要重新整理一次。

（這三點是我實際使用當時的狀況，平台功能一直在更新，實際限制以你手上的版本為準。重點是它們共同指向的方向。）

第三個痛點讓我做了一個影響到現在的決定：把資料存在本地，用自己的資料夾當家。NotebookLM 也是這段時期的神兵利器，它是很強的個人知識庫，強項是查詢與檢索；我還會把自己的工作資料和一篇新論文一起選取，問它「照我的工作習慣看，這篇論文的內容我用得到嗎」，讓知識庫先篩選，用得到的才讀，知識焦慮就少了大半。

桌面版的範式轉變：AI 來你的資料夾上班

桌面版時代，概念整個反過來。我在桌面開一個資料夾，可以讓 Codex 讀、讓 Claude 的桌面版讀、讓之後出現的任何工具讀。文件在我這裡，所有 AI 接過來，它們就可以分工合作了。我的文件，才是我的系統。

這條路對文科生特別重要，因為有個常見的誤會要先拆掉：大家以為 AI 對寫程式最有幫助，是因為工程師比較懂 AI。其實我們用的是大語言模型，程式碼只是高度結構化的人類語言之一。只要把知識整理好、系統化，AI 一樣能賦能你的訪談、會議記錄和故事。

Anthropic 內部流傳一個故事：團隊裡一位資料管理專家跑去學寫程式，主管問他幹嘛學這個，他說「我看大家用 Claude Code 都好厲害，我也有很多文件要整理，只好去學」。那一刻他們意識到，世界上有大量需要整理文件的知識工作者，他們用不著變成工程師，也需要深度分析、也不能隨便出錯。桌面版工具後來的發展，很大一部分就是在服務這群人。

Codex：裝進電腦裡的 GPT 桌面版

Codex 這類桌面型 Agent，最容易理解的說法就是裝到電腦裡的 GPT 桌面版。它走出網頁聊天框，在你指定的資料夾裡讀檔、寫檔、清理資料、批次整理、產出網頁，把工作成果留在你的專案裡。給新手的入坑建議：先從門檻較低的桌面型 Agent 開始，習慣 Agent 的工作方式和資料整理流程，之後有深度分析需求再加第二個工具交叉比對。

一條實際的三層分工工作流

我現在最常跑的工作流，把三個工具接成三層：

少量資料時，推理層直接讀 NotebookLM 就好；大量資料（例如一個頻道三百支影片）就先讓清理層整理、上標籤、存本地，再讓推理層讀整理過的版本。我把這件事做成了開源技能包 notebooklm-connector，裝完就能在 Agent 對話裡直接查你的 NotebookLM，在 GitHub 可以拿到。這條三層分工實際跑起來的完整示範，在把一支 YouTube 變成觀點報告網頁那篇。

你可以怎麼開始

下次要用 AI 前，先問自己一個問題：我只是要討論文字，還是要整理資料、操作檔案、完成一段流程？答案不同，入口就不同。

1. 還在聊天框階段的，先把常用主題開成專案，體會「它記得你」的差別，也親身感受三個痛點。
2. 痛點出現後，開一個本機資料夾當測試場，裝一個桌面型 Agent，讓它先報告資料夾裡有什麼。
3. 交給它一個小任務：整理十份筆記、批次改檔名、把一份逐字稿清成組織稿。
4. 做得順的流程，請它寫成技能包留下來，之後換任何工具都帶得走。

要讓 Agent 做事，就要把工作講清楚：哪些檔案能動、哪些不能動、做完要不要部署、誰來驗收。這也是為什麼 Agent 教學光教提示詞不夠，更重要的是工作流、知識庫、檔案規則與驗收。這條路文科生走得了，不需要寫程式。