文章介绍了 ChatGPT 桌面应用的重大更新。核心功能包括：Appshots——用户通过双击 Command（Mac）或 Alt（Windows）键即可将当前窗口截图和文本直接发送给 ChatGPT，免去复制粘贴的中间人角色；内置浏览器——用户与 ChatGPT 查看同一网页，支持多标签操作、登录暂停、标注模式（Annotation mode）可点击页面指定修改位置并预览文本、字体、颜色等变更；此外还支持同时运行多个项目、后台长任务、创建和打开真实文件（文档、表格、图片）、聊天与工作模式切换及定时任务。作者认为这次更新让 ChatGPT 从一个访问型工具变成工作所在的操作中心。
OpenAI 将拥有超 500 万周活用户的 Codex 编程应用合并进新的 ChatGPT 桌面应用，旧版更名为 ChatGPT Classic。新应用提供 Chat、Work、Codex 三种模式，其中 Work 模式是本次更新的核心：用户可交付完整任务而非简单提问，它能自主拆解目标、执行数小时，并产出文档、表格、幻灯片甚至网页。文中引用维珍航空将数周工作缩短至数小时、英伟达节省 40% 活动筹备时间等案例。此外还介绍了 Projects 长期上下文、Recents 统一管理、活动视图、跨设备同步及 Quick chat 快捷入口等功能。
OpenAI 发布了 ChatGPT Linux 桌面应用的预览版，支持 Ubuntu、Debian 和 Fedora 系统，并提供 x64 和 ARM64 架构的安装包。该应用不仅提供聊天功能，还支持项目、本地文件和 Codex 编码代理，使 Linux 用户能够更紧密地将 AI 集成到开发工作流中。尽管仍处于预览阶段，部分功能尚未完善，但这一举措标志着 ChatGPT 正式进入 Linux 桌面环境，为开发者带来更高效的工作方式。
Hermes Desktop Agent 通过将浏览器操作可视化，显著提升了浏览器自动化的可信度。用户可以在桌面界面中实时观察代理的工作过程，包括页面加载、文件处理、工具结果等，从而更容易发现错误并及时干预。其预览栏（Preview Rail）允许用户通过快捷键（Mac 的 Command J 或 Windows 的 Control J）打开，实时查看代理的导航和操作。此外，Hermes 利用网页的可访问性树（accessibility tree）来理解页面结构，结合视觉能力，使其能够更稳健地处理复杂网站。其工具集包括导航、点击、输入、滚动、键盘命令、后退、图像列表等，并具备处理 JavaScript 错误、弹窗、长页面等困难情况的能力，使研究过程更易验证和信任。
