OpenAI 工程师演示 ChatGPT 完整工作流：语音、网站、UGC 视频剪辑都打通

Lenny's Newsletter 最新一期《How I AI》播客请来了 OpenAI 开发者体验团队的 Nick Baumann，他现场演示了 ChatGPT 一整套新工作流：语音能同时处理多个对话、能读你屏幕、能跑后台任务；ChatGPT Work 移动端的 Heartbeats 自动化系统；ChatGPT Sites 实时部署网站功能；以及他个人用 AI 做 UGC 视频剪辑的玩法。

Nick 在 OpenAI 的日常工作就是构建、测试、传达 ChatGPT Codex 和 ChatGPT Work 的能力。这一期他展示了几个近期上线或迭代的功能：新的语音界面（带屏幕读取的视觉球）、ChatGPT Work 移动端的 Heartbeats 自动化系统、ChatGPT Sites 实时部署功能，以及他个人的 AI 辅助 UGC 视频剪辑用例。

值得关注的几个实操点。一是怎么用语音做单人对话：他说在一次语音对话里，Codex 能帮他完成航班搜索、酒店预订、报销报告，整个过程不需要手动打开任何 App — 全部在语音里完成。这种「单条语音指令链」的工作流比传统 App 切换更高效。二是 Heartbeats 自动化系统：用户可以在 ChatGPT Work 移动端预设触发条件，让 AI 在后台定期跑任务。三是 ChatGPT Sites 的实时部署：可以直接在对话里构建并部署一个实时网站，不需要单独的开发环境。

另外一个被低估的功能是 ChatGPT Work 移动端。Nick 说这是「已经在用 ChatGPT 的人最被低估的 AI 工作流」 — 移动端的触屏交互比桌面端更适合碎片化的 AI 任务。

最让他个人兴奋的是 UGC 视频剪辑的玩法：用一个自定义插件把 50 个原始视频片段喂给 ChatGPT，让它拉字幕、挑最好的镜头、过夜就能拼出一条成品竖屏视频。

Nick 在节目里专门讨论了「延迟 vs 智能」这个权衡 — 即 AI 响应的快慢 vs AI 思考深度的取舍。这跟现在 AI 产品设计的两个方向有关：一边是 GPT-5.6 这种快速响应的模型，一边是 Claude Opus 5 这种「思考更久但更聪明」的模型。

节目里提到的工具链接包括 ChatGPT Codex（chatgpt.com/codex）和 ChatGPT Sites（chatgpt.site）。

反常识观察是：很多人以为 AI 工具的差异化在模型本身，但 ChatGPT 这一波更新的真正亮点不在「GPT-5.6 Sol 有多强」，而是「把这些能力整合进一个完整的工作流」。单点功能（语音、Codex、Sites）每个对手都能模仿，但把这些功能打包成「一条语音指令完成多步骤任务」的产品体验，门槛在「系统整合」而不是「模型能力」。

给国内 AI 创业者的可借鉴点有几条。第一，「语音 + 多 App 编排」是 2026 年 AI 产品的差异化方向 — 不是单点语音识别，是「单条指令完成多步骤任务」。第二，「后台 Heartbeats」类自动化是工作流 AI 的标配 — 用户预设触发条件，AI 在后台跑任务，结果推送给用户。第三，「实时部署类」对话工具降低了创业门槛 — 用户不需要懂开发就能在对话里建网站。

另外从产品形态看，ChatGPT 不再只是一个聊天框，它在变成一个「工作流操作系统」 — 这是 2026 年 AI 产品的演化方向。国内的 AI 产品如果还停留在「对话问答」阶段，会跟 ChatGPT 这类多模态工作流工具拉开差距。值得注意的细节是，Nick 本人不用 ChatGPT 写作 — 他用 Claude Opus 5 写文档。这说明 OpenAI 工程师自己也是混合使用多家模型，不是只用自家产品。

Nick 还在节目里提到了他自己的 ChatPRD 项目（chatprd.ai）— 这是一个给产品经理用的 AI 工具，能自动生成 PRD 文档。这个细节说明 OpenAI 的工程师在「用 AI 工具做自己的工作」这件事上已经走得很前面。

节目最后讨论的一个核心趋势是：AI 工具正在从「对话问答」演化成「工作流操作系统」。这个演化的关键不是模型能力变强，是工具之间的整合度变高 — 用户在一条对话里完成的事越多，AI 产品的价值越大。

创业找资源，上乌鸦部落。