打开 ChatGPT 桌面端，很多人都会遇到同一种困惑。

Chat、Work、Codex 都放进了同一个应用里。

接着你又会看到 Project（项目）、Memory（记忆）、Folder（文件夹）、Instructions（指令）、Local（本地）、Cloud（云端）、Remote（远程） 等一串概念。

它们彼此挨得很近，名字也很像，第一次用很容易混在一起。

我把当前的官方说明和桌面端的实际工作方式重新对了一遍，

发现这套东西可以先拆成两个问题。

ChatGPT Project 负责整理一项工作需要长期带着的背景。

Codex Project 负责让 AI 在真实的文件和执行环境里做事。

把这条线抓住，后面的概念就顺了。

ChatGPT Project 管的是 Context（上下文）

ChatGPT Project 适合长期工作。

你可以把和某件事有关的聊天、资料、项目指令放到同一个 Project 里。下次再回来时，ChatGPT 能沿着已有的背景继续做，而不用从头解释自己是谁、这件事做到哪一步、哪些规则必须遵守。

比如你在长期运营一个账号。

每次开新聊天，你都不想重新写一遍账号定位、选题标准、文章语气、哪些内容必须确认后才能继续。把这些放进一个 ChatGPT Project，后续聊天就有了共同的工作背景。

一个 Project 里常见的内容有四类。

这四项内容一起构成了 Context。

Chats 让一项工作可以分成多条对话

很多人会把长期工作塞进一条越来越长的聊天记录里，后面很难找，也很难继续。

Project 提供了另一种组织方式。

你可以在同一个 Project 里开多条聊天。写选题时开一条，写文章时开一条，讨论视觉方案时再开一条。它们各自处理眼前的问题，同时共享项目里的资料和指令。

这更接近真实工作。

一项长期任务通常会不断分叉。你需要保留上下文，也需要让每一条对话保持清楚。

Files 和 Sources 告诉 AI 应该参考什么

品牌手册、采访记录、研究报告、产品资料、旧文章、客户文件，都可以作为 Project 的资料来源。

它们的作用是给 ChatGPT 提供长期参考。

这里有一个容易误会的地方。

把 README、PDF 或一篇文章上传到 ChatGPT Project 后，ChatGPT 可以读、分析、讨论这些内容。但它拿到的是一份参考材料。

你的电脑里那套真实工程目录仍然留在电脑上。

如果你希望 AI 直接搜索、修改、运行某个本地目录里的文件，后面需要用到的是 Folder（文件夹）、Local Project（本地项目） 或 Codex。

Project Instructions 写的是这个项目的显式规则

Instructions 适合放那些你每次都希望 AI 稳定遵守的要求。

例如内容项目里可以写清楚事实优先级、写作风格、确认节点、禁止擅自修改的内容。代码项目里可以写清楚测试要求、文件边界、提交规范、依赖命令和安全限制。

重要规则应该直接写进 Instructions。

聊天记录里偶尔提过一次的偏好，很难承担长期工作规则的角色。

Memory 决定过去的信息能引用到哪里

Memory 最容易和 Instructions 混淆。

Instructions 写的是规则。

Memory 处理的是上下文引用范围。

默认记忆下，ChatGPT 会优先使用项目里的聊天和文件，也可能结合你的已保存记忆。跨项目和项目外聊天能否被引用，还会受到套餐、个人设置和工作区设置影响。

仅限项目记忆则把边界收紧。

在这个模式下，ChatGPT 不会引用你之前保存的个人记忆。项目内的聊天可以互相参考，项目外的聊天和其他 Project 不会进入这个项目，项目里的内容也不会被项目外引用。

它很适合客户项目、团队协作、敏感资料和规则完全不同的工作。

你同时服务三个客户时，每个客户都有自己的品牌语言、产品信息和审核流程。仅限项目记忆能减少信息串到别的项目里的风险。

还有一个细节值得提前知道。

目前的官方说明里，启用仅限项目记忆后，ChatGPT Work 无法在该 Project 内使用。准备在 Project 里开展 Work 任务时，需要先看清自己的记忆设置和工作方式。

ChatGPT Project 的价值可以归结为一句话。

它让 AI 知道这项工作已经发生过什么、应该参考什么、必须遵守什么，以及哪些过去的信息可以继续带进来。

Codex Project 管的是 Workspace

理解完 ChatGPT Project，再看 Codex 就清楚很多。

Codex 处理的是另一类工作。

你希望 AI 打开真实目录，读代码和文档，搜索文件，修改内容，运行命令，执行测试，检查改动。

这时，AI 面对的是 Workspace。

OpenAI 目前在桌面端把 Chat 和 Work 放在 ChatGPT 入口下。

Codex 保留独立视图和独立历史，它可以处理本地文件夹、仓库、终端和开发工具。

界面放在同一个应用里，并不代表三者共享同一段聊天历史。

Folder 是真实工作目录

ChatGPT Project 里的 Files 和 Sources 是参考材料。

Folder 指向的是实际工作目录。

这个区别很关键。

假设你在维护一个网站。

把 README 上传到 ChatGPT Project，AI 能理解项目的大致结构和规则。

把网站目录作为 Folder 打开，AI 才能在授权范围内看到真实的代码、配置、测试和文档，并直接在那套文件里工作。

Primary Folder 可以理解为项目的默认工作根目录。

新聊天通常从这里开始。Codex 也会从这里寻找项目级配置，例如 AGENTS.md、Skills 和其他规则文件。

Secondary Folders 仍然可以参与同一项工作。它们适合放关联文档、另一个仓库、共享素材或配套工具。只是 Codex 不会把每个次要目录都当成默认工作起点。

这也是为什么，建 Local Project 时不要只按文件类型分目录。

更实用的判断是，这些文件夹是否服务同一项持续工作，它们之间是否需要被一起搜索、阅读和修改。

Local、Cloud、Remote 分别决定工作发生在哪里

有了 Context 和 Workspace 以后，最后一个问题才出现。

这项工作到底在哪台机器、哪套环境里完成。

Local（本地） 适合当前电脑上的真实工作

Local 指的是任务运行在你正在使用的电脑上。

文件在本机，依赖在本机，工具在本机，项目权限也围绕本机配置。

如果你正在自己的 Mac 上维护一个项目，需要调用本机已有的开发环境，或者需要和 AI 快速来回改文件，Local 往往最顺手。

它适合代码项目，也适合文档、素材、自动化脚本、设计文件等依赖本地环境的工作。

Cloud （云端）适合独立运行的任务

Cloud 指的是把任务交给 OpenAI 管理的独立环境执行。

这类任务可以在后台继续跑。你可以让它处理一项耗时的排查、补测试、整理文档或完成一段相对独立的开发工作，之后再回来看结果、审阅改动、合并或继续迭代。

Cloud 的优势在于独立性。

你的本机不需要一直承担这项任务的执行环境。多个任务也可以分别交给不同的云端环境推进。

当然，Cloud 任务也需要合适的代码和环境来源。它并不会自动获得你电脑上每一个本地文件夹的访问权限。

Remote（远程） 适合工作环境在另一台机器上

Remote 描述的是连接方式。

有些人的项目放在公司开发服务器、家里的工作站、远程开发机或团队统一维护的环境里。你手上的笔记本负责发起任务，实际文件、依赖、凭证和工具都在另一台机器上。

Remote SSH 让 Codex 直接连接那台远程机器，并在目标机器的环境里创建项目和执行任务。

现在 Remote 还有另一层含义。

你也可以从手机等设备查看、继续或审批运行在另一台已连接设备上的 Codex 工作。此时文件、凭证和本地环境仍然留在目标机器上，手机负责让你保持在任务循环里。

Remote 讲的是目标机器。

Cloud 讲的是独立的云端执行环境。

这两个概念放在一起看，选择就很简单了。

远程机器已经有一套成熟环境时，用 Remote 进入那套环境。

任务需要交给独立环境长期推进时，使用 Cloud。

一项工作该怎么选？

你可以先问自己四个问题。

  1. 我希望 AI 长期记住哪些背景、资料和规则 先建 ChatGPT Project。
  2. 我希望 AI 直接处理哪些真实文件 选择对应 Folder（文件夹），使用 Local Project 或 Codex。
  3. 这项任务是否适合独立跑一段时间 考虑交给 Cloud。
  4. 真实项目环境是否在另一台机器上 使用 Remote SSH 连接目标机器。

很多工作会连续经过这几步。

你先在 ChatGPT Project 里沉淀账号定位、客户资料、项目规则和过去的讨论。需要写代码、整理本地文件或执行测试时，再进入 Codex，打开真实工作目录。某项独立任务耗时较长，再把它交给 Cloud。团队开发环境放在远程机器时，换成 Remote。

这样看，ChatGPT Project、Codex、Memory、Instructions、Folder、Local、Cloud 和 Remote 并没有在抢同一个功能。

它们分别负责背景、规则、资料、文件、权限和执行环境。

Prompt 依然重要，它负责把任务启动起来。

长期稳定的 AI 协作，还需要提前安排好 AI 知道什么、可以处理什么、在哪儿处理，以及哪些规则不能靠临时提醒维持。