让 ChatGPT Work 规划 5K/10K 跑步路线：来自 GPT-6 Astra 的实战手册

GPT-6 Astra和ChatGPT Work现在只要给它们一个地址，就能还你一条规整的环形 5K 或 10K 跑步路线——真实的街道、真实的距离，可下载为 GPX 和 GeoJSON，还能在对话里内嵌一张交互式地图。诀窍在于要明白，它们是两个不同的层级，干着两件不同的活儿。ChatGPT Work 是 OpenAI 的智能体产品层级——于 2026 年 7 月 9 日发布，面向每月 20 美元及以上的订阅用户——在这里，模型可以围绕文件、shell 和互联网持续工作半个小时。GPT-6 Astra 是旗舰推理模型，于 2026 年 9 月 3 日发布，9 月 5 日在所有付费 ChatGPT 层级、ChatGPT Work、Codex 和 API 上全面上线，正是它把一句请求变成一场多步骤、长达 27 分钟的路线规划会话。本实战手册涵盖可直接使用的提示词、智能体实际会调用的工具（OpenStreetMap、Nominatim、Overpass）、可以预期的输出，以及不加粉饰的注意事项——因为这个工作流确实有用，也因为没人展示给你的那部分，恰恰是可能咬你一口的部分。

一段话食谱

正如 Simon Willison 在 9 月 12 日所演示的那样，那个行之有效的请求短得几乎令人尴尬：

• 提示：“我住在 <my address>。为我规划从我这里出发、从我家绕圈的 5K 和 10K 跑步路线。使用 OSM 数据。”

• 接下来发生了什么：ChatGPT Work 使用 GPT-6 Astra（最高推理强度）运行了 27 分钟，返回了 5K 环线和 10K 环线，每条环线均以嵌入式交互式地图的形式呈现，并附带可下载的 GPX 和 GeoJSON 文件。

• 这条路线是真实存在的：5公里成绩（“El Granada港口环线5.1公里”）从港口出发，沿Avenue Granada和Paloma Avenue向北，沿San Carlos Avenue向东，沿Francisco Street向南，然后沿Coastal Trail向西返回。

最后这个细节正是行动手册的关键所在。这不是一份凭空编造的街道名称清单——而是一条环形路线，距离合理，并且与该地区实际的道路网络相符。当被问及如何构建它时，模型直白地回答：“我用 Nominatim 定位地址，用 Overpass 下载本地的 OpenStreetMap 道路和路径，然后在本地计算了环线。”

换句话说，这个工作流就是一次真正的智能体运行：对地址进行地理编码，拉取真实地图数据，计算出长度合适的闭合环路，渲染出可视化结果，并导出标准交换格式。如果你一直想要一个真正管用的“为我规划一条路线”提示词，这就是它的样子。

ChatGPT Work 究竟是什么，以及它为何在此处重要

ChatGPT Work 不是模型。它是让模型得以像 agent 一样行动的产品界面：它可以执行代码、访问互联网、使用无头浏览器、跨会话保持持久工作区，并能长时间运行。它令人困惑地分成了两种形态：Work Cloud（通过 chatgpt.com 或移动应用访问）和 Work Local（前身为 Codex 的桌面应用，可以访问你自己电脑上的文件和程序）。它面向每月 20 美元及以上套餐的订阅者提供——免费用户和 8 美元的 Go 用户完全用不到——而 Work 会话消耗的是你的 Codex 配额，而不是聊天配额。

这就是为什么路线生成能够成功，而普通的聊天轮次会失败：这项任务需要代码执行、对地理编码和地图数据服务的互联网访问，以及足够持久的注意力来反复迭代。普通的 ChatGPT 聊天会在几秒内作答，然后就此结束。ChatGPT Work 则会持续工作。Work 内部的模型选择也很重要——Open​AI 推荐 GPT-6 Astra，正是为了这类多步骤端到端任务，其推理强度最高可配置到 Max。

所以，这份操作手册的第一条规则是：这是一项 Work 任务，而不是 Chat 任务。打开 ChatGPT Work，选择 GPT-6 Astra，然后让会话运行下去，而不是期待立即得到答案。

底层工具：OSM、Nominatim、Overpass

真正的核心机制没有一项是 OpenAI 自己的。这个智能体利用公共地理基础设施拼出了这条路线，而了解每一部分各自起什么作用是值得的——这样你既能对输出做合理性检查，也能在将来想把它放到 ChatGPT 之外运行时，自己复现整条流水线。

• OpenStreetMap（OSM）是免费、由众包构建的世界地图——是路线所经道路与小径的数据来源。

• Nominatim 是 OSM 的地理编码服务：它能把人类可读的地址（“我住在 <my address>”）转换为地图坐标。

• Overpass 是用于 OSM 数据的查询 API：智能体用它下载了这些坐标周边的本地道路和小径。

• 环路计算本身（“在本地计算了环路”）是在智能体自己的工作区里运行的——拿原始道路图并找出长度大致合适的闭合回路。

这种分解就是可复现的核心。如果你想自己构建同样的东西，流程是：用 Nominatim 进行地理编码，用 Overpass 拉取道路网络，计算环线，导出 GPX/GeoJSON，再用地图库渲染。ChatGPT Work 直接替你完成了这一切，无需 API 密钥，无需研究路由库，也无需你编写任何代码。

你会得到：可视化技能和这些文件

输出产物才是让它显得像是完成品而非演示品的那部分。在展示方面，智能体使用了 ChatGPT 内置的 可视化技能来创建一个自包含的 HTML 文件——在观察到的运行中为 /workspace/el-granada-5k-share.html——它把地图直接嵌入到 ChatGPT UI 中。该 HTML 将整条路线的几何数据存放在一个 <script type="application/json"> 元素里，并用从 CDN 加载的 D3.js 渲染地图。该技能的内容安全策略只允许一份特定的外部源列表——cdnjs.cloudflare.com、esm.sh、cdn.jsdelivr.net、unpkg.com、fonts.googleapis.com、fonts.gstatic.com 和 fonts.bunny.net——并且"其他源会被阻止并静默失败"。如果你想检查生成的文件，这个细节就很重要：地图在这些库存在时能正常工作，而缺少它们时则会静默降级。

在文件方面，你会得到两种交换格式，每个 GPS 应用和地图工具都已经理解它们：

• GPX — 标准的 GPS 交换格式。将其导入 Strava、Garmin Connect 或任何路线应用，它便会呈现为一条可跟随的路线。

• GeoJSON —— 地理空间 JSON 格式。可在 QGIS、Leaflet、Mapbox 或任何地理空间工具中使用；它也是嵌入式可视化用于存储其几何数据的格式。

如果你的目标是实际能运行的路线，GPX 文件就是交付物——嵌入式地图是它合理可用的证明，而 GeoJSON 则是供任何程序化用途使用的副本。

demo 不会告诉你的事：两个实际的注意事项

路线生成功能是真实的，但对 ChatGPT Work 的诚实评价来自它的失败模式，而测试它的人在同一天早上就发现了其中两个。

1. 执行过程是不透明的。 智能体的代码及其确切步骤在 ChatGPT UI 中不可见——只能看到概括性说明（“我使用了 Nominatim……然后在本地计算了环路”）。对于一条路线来说，这没问题；但对于任何有重大后果的事情，这是一种你应当假定其存在的透明度缺口。Willison 称之为“反功能”：你看到的是结果以及模型对结果的自我叙述，而不是生成该结果的代码。

2. 压缩会抹掉工作成果。等到他索要 Python 代码的副本时，智能体已经无法提供——线程已被压缩，压缩前的上下文也已消失。任何你依赖的长时智能体会话都存在这一风险：线程被摘要化，而那些从未保存到文件中的产物或代码便再也无法取回。如果你需要代码，就在运行过程中让它以文件形式给出，而不是等到事后。

这两个注意事项都不会削弱这份操作指南——一条路线加上 GPX/GeoJSON 导出，恰恰是那种能经受压缩而留存下来的交付物，因为它被写入了磁盘。但它们也划定了预期：ChatGPT Work 很强大，却不透明，也不是对其所做一切的可持久记录。

为什么这比一个漂亮的演示更重要

在跑步路线之下，是一项真正值得单独核算成本的全新能力：一个前沿模型能够接收一句请求，在地址解析、网络查询和本地计算之间完成长达 27 分钟的真正多步骤工作，并交回可用的文件。这就是"智能体式工作"在实践中的含义，它也改变了你对一次模型请求应有的预期。它还改变了成本账——而正是在这里，路由这一角度证明了自己的价值。

在 ChatGPT Work 中，那 27 分钟的会话会从你订阅的 Codex 额度中扣除，而在 GPT-6 Astra 上，token 消耗得很快。同一模型可通过 API 按 token 使用：GPT-6 Astra 的标价为每百万输入 token 10 美元、每百万输出 token 50 美元，上下文窗口约 105 万 token，并且超过 272,000 输入 token 后进入长上下文档位，费率更高——供应商标价。对于将整个会话都保留在上下文中的智能体循环，长上下文档位正是开销主要所在。

这正是路由层存在的意义——管理这类成本。一个 API 覆盖 200+ 模型，并以 0% 加价直通供应商目录价，这意味着像 GPT-6 Astra 这样定价 $10/$50 的前沿模型，与定价 $4/$20 的 GPT-5.6 Sol 可以共用同一个密钥，只需改一个模型字符串就能在两者之间切换——无需第二份合同、无需改动代码、无需逐个厂商做集成。如果你想针对最新模型来原型验证一个路径规划或其他长周期智能体，又不想把生产路径押在它身上，自动故障转移可以让你把一部分流量跑在它上面，而下方始终有一个久经验证的模型兜底。而当厂商降价时，直通意味着新价格当天就在我们这边生效——同样的目录价，中间没有任何加价层。

同样的论点也适用于工具模式，而不仅仅是模型。智能体使用的 OSM/Nominatim/Overpass 流水线，正是开发者可能希望以确定性方式调用的那类东西——而如果你确实要自己构建它，你会让模型层通过一个端点来路由，而不是硬编码到单一供应商，这样负责规划路线的模型就可以被替换或故障转移，而无需重写流水线。

战术手册，精简版

如果你想自己复现这个，形式是：

• 使用 ChatGPT Work（而非普通聊天），并选择 GPT-6 Astra，将推理强度调高。

• 使用真实地址和目标距离的提示词：“我住在<address>。请为我规划从我住处出发、绕回我家的5公里和10公里跑步路线。使用OSM数据。”

• 预计需要几十分钟，而不是几秒钟——并且预计它会自行运行。

• 随时要求以文件形式提供输出：GPX 用于你的手表或应用，GeoJSON 用于任何程序化处理，还有它在聊天中渲染出的可视化结果。

• 如果你需要它写的代码，请在运行过程中要求将其保存为文件——因为之后进行压缩可能会把它抹掉。

最后一步是每个人都会跳过的一步，却也是真正会反咬你一口的一步。模型会很乐意整天帮你规划循环；只是等你开口问的时候，它可能已经不记得当初是哪段代码干的了。

同一把密钥也能访问目录中的其余部分，你还可以浏览完整的模型目录，看看一个 OpenAI 兼容端点背后还藏着哪些其他模型。