OpenAI dots

共 12 条已发布案例使用了这个工具。

常见任务场景

工具出处说明

工具名称及关联来自每条已发布案例的 tools 字段，每个案例都保留原始来源。收录不代表厂商背书；报告结果未经独立核验。

使用 OpenAI dots 的案例

  1. OpenAI dots：分析 Substack 会员增长

    建议落地方案：配置 OpenAI Dot 通过浏览器自动化访问 Substack 仪表板。该智能体审查历史数据以识别趋势，并针对会员转化和 Newsletter 推荐提出五项具体策略。人类角色包括授予只读访问权限、验证提取数据的准确性，以及决定采纳哪些建议。

  2. OpenAI dots：语音检索 Notion 并整理笔记

    建议落地方案：使用 OpenAI dots 语音接口查询 Notion 中关于大模型微调的笔记。助手检索相关页面，整理量化及 LoRA 资料，并将新笔记写回 Notion。人工角色：下达语音指令，授权应用访问，并人工复核论文结论及笔记准确性。

  3. OpenAI dots：在 Blender 制作巨石阵模型

    OpenAI dots 在持续在线的云电脑上执行了并行工作流，同时开发 Godot 贪吃蛇游戏和 Blender 巨石阵模型。该代理安装了所需软件，管理任务队列，并交付了可执行的项目文件和渲染图像。人类演示者监控了整个过程，安排任务，并手动打开生成的文件以验证基本功能和视觉输出。

  4. OpenAI dots：语音梳理当日工作并分派线程

    Peter Yang 在散步时使用 OpenAI dots 作为语音首席助理。他询问当日优先事项，dots 将具体任务委派给现有的 ChatGPT 线程。人类负责定义目标并审查分配的工作，利用 dots 与 ChatGPT 记忆的集成来获取上下文。

  5. OpenAI dots：Newsletter 写作任务失败

    Peter Yang 指示 OpenAI Dot 使用预设技能，根据与 Mickey 的访谈转录稿生成 Newsletter 文章。工作流包括提供源材料并监控多个并发线程。由于 Substack 登录鉴权问题，流程停滞，需要用户手动处理异常并在不同界面间追踪进度。

  6. OpenAI dots：发现漏开发票并请求批准

    建议落地方案：配置 OpenAI Dots 监控项目日志以识别未开票的自由职业工作。代理根据客户联系人数据起草发票，并在发送前请求人工批准。用户作为把关人，核实细节并授权对外沟通。

  7. OpenAI dots：赞助账目审计发现差额

    Peter Yang 使用 OpenAI 的 Dot 智能体审计其公司的赞助收入，通过交叉核对分散的合同、发票和付款数据。该智能体发现了五个差异，包括 Riverside 已完成但未开票的合作，以及 Google 账户中约 1 万美元的差额。人类角色至关重要：Yang 设定了审计范围，所有标记的问题都需要他手动对照银行流水进行验证，之后才能采取任何业务行动。

  8. OpenAI dots：用 Godot 制作贪吃蛇

    OpenAI dots 在云电脑上并行执行开发任务，生成了 Godot 贪吃蛇游戏和 Blender 巨石阵模型。演示者打开交付的项目文件，实际操控角色并验证 3D 模型。该工作流展示了由 Agent 驱动的代码生成及即时的人工验收测试。

  9. OpenAI dots：调用 Grok CLI 制作登录页

    OpenAI dots 在云电脑安装 Grok CLI，展示设备授权页面，并等待用户完成登录。授权结束后，它调用 CLI 生成了一个简单的登录页 Demo。使用者完成了账号授权并检查了输出结果。

  10. OpenAI dots：协调健身 App 上架准备

    建议落地方案：使用 OpenAI Dot 作为健身 App 上架准备的中央协调者。将代码任务分配给 Build 线程，另开图像线程生成 6 张 App Store 截图，并将发现的 Bug 交回开发线程排查。人类负责定义目标、审核代码补丁与截图，并决定产品发布。

  11. OpenAI dots：分析 YouTube 评论寻找增长方向

    建议落地方案：配置 OpenAI Dot 分析过去六个月内 300 多条视频下的约 1800 条 YouTube 评论。智能体提取关键主题，生成五项可执行的增长建议，例如提高成本透明度和确保教程可复现。创作者负责选定分析范围、审阅生成的洞察，并决定是否实施这些改进。

  12. OpenAI dots：提议并制作产品经理工具箱

    建议落地方案：使用 OpenAI Dot 自主提出数字产品概念，生成网页原型，并根据人工反馈进行迭代。智能体创建初稿（如产品经理工具箱），用户审查后要求大幅改进视觉和功能。智能体随后迭代加入证据简报、竞品扫描等交互工作流，而人类负责验证产品价值和销售可行性。