請 ChatGPT Work 規劃 5K/10K 跑步路線：來自 GPT-6 Astra 的實戰手冊

GPT-6 Astra 與 ChatGPT Work現在都能接收一個地址，然後回傳給你一條完整的 5K 或 10K 環形跑步路線——真實的街道、真實的距離，可下載為 GPX 與 GeoJSON，並在對話中嵌入互動式地圖。訣竅在於要明白它們是兩個不同的層級，負責兩種不同的任務。ChatGPT Work 是 OpenAI 的代理式產品層級——於 2026 年 7 月 9 日發表，鎖定月付 20 美元以上的訂閱者——模型可以在檔案、shell 與網際網路之間持續工作半小時。GPT-6 Astra 則是於 2026 年 9 月 3 日推出的旗艦推理模型，9 月 5 日在所有付費 ChatGPT 層級、ChatGPT Work、Codex 與 API 全面開放，正是能把一行請求變成多步驟、長達 27 分鐘路線規劃工作階段的模型。這本操作指南涵蓋了實際可用的提示詞、代理真正會動用的工具（OpenStreetMap、Nominatim、Overpass）、預期會得到的輸出，以及坦白不諱的注意事項——因為這套工作流程確實有用，也因為沒人會展示給你看的那個環節，正是可能反咬你一口的環節。

單段式食譜

那個奏效的請求，正如 Simon Willison 在 9 月 12 日所展示的，短得幾乎令人尷尬：

• 提示：「我住在<my address>。幫我找出從我家出發、繞一圈回到我家的 5K 和 10K 跑步路線。使用 OSM 資料。」

• 接下來發生了什麼：ChatGPT Work 以 GPT-6 Astra（Max reasoning effort）執行了 27 分鐘，並回傳了一個 5K 環狀路線和一個 10K 環狀路線，兩者皆以內嵌互動式地圖呈現，並附有可下載的 GPX 與 GeoJSON 檔案。

• 這條路線是真實的：5K 的結果（「El Granada harbor loop 5.1 km」）從港口出發，沿著 Avenue Granada 和 Paloma Avenue 向北，再沿著 San Carlos Avenue 向東，接著沿 Francisco Street 向南，最後沿著 Coastal Trail 向西折返。

最後那個細節正是攻略的重點。這不是一份憑空捏造的街道名稱清單——而是一條會繞行成環、距離合理，且符合該地區實際路網的路線。當有人問模型它是如何建構這條路線時，它直截了當地回答：「我用 Nominatim 定位地址，並用 Overpass 下載當地的 OpenStreetMap 道路與步道，然後在本機計算出這些環狀路線。」

換句話說，這個工作流程是一次真正的代理程式執行：對地址進行地理編碼、取得真實地圖資料、計算出長度正確的封閉環路、產生視覺化呈現，並匯出標準交換格式。如果你一直想要一個真正有效的「幫我規劃路線」提示詞，這就是它的樣貌。

ChatGPT Work 究竟是什麼，以及它為何在此重要

ChatGPT Work 不是一個模型。它是讓模型得以像代理般行動的產品介面：它能執行程式碼、連上網際網路、使用無頭瀏覽器、跨工作階段保有持續存在的工作區，並長時間運行。它令人困惑地分成兩種形式：Work Cloud（透過 chatgpt.com 或行動應用程式）與 Work Local（前身為 Codex 的桌面應用程式，能存取你自己電腦上的檔案與程式）。月費 20 美元以上方案的訂閱者才能使用——免費用戶和 8 美元的 Go 用戶完全用不到——而且 Work 工作階段消耗的是你的 Codex 額度，而非你的聊天額度。

這就是為什麼路線生成能成功，而一般聊天回合會失敗：這項工作需要執行程式碼、需要連上網際網路存取地理編碼與地圖資料服務，還需要足夠的持續專注力來反覆迭代。一般 ChatGPT 對話會在幾秒內回答完就繼續下一件事。ChatGPT Work 則會持續運作。Work 內部的模型選擇也很重要——OpenAI 建議採用 GPT-6 Astra，正好適合這類多步驟的端到端工作，其推理投入程度可設定到 Max。

所以，操作指南的第一條規則：這是 Work 任務，不是 Chat 任務。開啟 ChatGPT Work，選擇 GPT-6 Astra，並讓工作階段持續執行，而不是預期會立即得到答案。

底層工具：OSM、Nominatim、Overpass

真正的運作機制全都不是 OpenAI 自家打造。這個代理程式是利用公開的地理基礎設施組裝出這條路線，而值得了解每個部分各自負責什麼——一來能讓你對輸出做合理性檢查，二來若你哪天想在 ChatGPT 之外運行，也能自己重現這套流程。

OpenStreetMap（OSM）是免費、由群眾共同建構的世界地圖 —— 也是路線沿途道路與步道的資料來源。

• Nominatim 是 OSM 的地理編碼服務：它將人類可讀的地址（「我住在 <my address>」）轉換為地圖座標。

• Overpass 是 OSM 資料的查詢 API：代理程式用它下載那些座標周邊的當地道路與步道。

• 迴圈計算本身（「於本機計算迴圈」）是在代理程式自身的工作區中執行——取用原始道路圖，並找出長度大致正確的封閉迴路。

那種拆解就是可重現的核心。如果你想自己打造同樣的東西，流程是：用 Nominatim 做地理編碼、用 Overpass 取得路網、計算環狀路線、匯出 GPX/GeoJSON、用地图繪製函式庫渲染。ChatGPT Work 就直接替你完成了這一切，不需要 API 金鑰、不需要研究路徑規劃函式庫，也不需要你寫任何程式碼。

你會拿回什麼：視覺化技能與這些檔案

輸出是讓這件事感覺完成、而不是像展示品的那個部分。在顯示端，代理使用了 ChatGPT 內建的 視覺化技能 來建立一個自包含的 HTML 檔案——在觀察到的執行中為 /workspace/el-granada-5k-share.html——它將地圖直接嵌入 ChatGPT UI。該 HTML 將整條路線的幾何資料儲存在一個 <script type="application/json"> 元素中，並使用從 CDN 載入的 D3.js 來渲染地圖。該技能的內容安全政策只允許一份特定的外部來源清單——cdnjs.cloudflare.com、esm.sh、cdn.jsdelivr.net、unpkg.com、fonts.googleapis.com、fonts.gstatic.com 和 fonts.bunny.net——而且「其他來源會被封鎖並靜默失敗」。如果你曾檢查生成檔案，這個細節很重要：地圖在使用那些函式庫時能運作，沒有它們時則會靜默退化。

在檔案方面，你可以取得兩種每個 GPS 應用程式和地圖工具都已經看得懂的交換格式：

• GPX — 標準的 GPS 交換格式。將它匯入 Strava、Garmin Connect 或任何路線應用程式，它就會顯示為可依循的路線。

• GeoJSON — 地理空間 JSON 格式。可在 QGIS、Leaflet、Mapbox 或任何地理空間工具中使用；它也是嵌入式視覺化用來儲存其幾何資料的格式。

如果你的目標是一條你真正能跑的路線，GPX 檔案就是交付項目——內嵌地圖是它合理無誤的證明，而 GeoJSON 則是供任何程式化用途使用的副本。

示範沒告訴你的事：兩個真正需要注意的地方

路線生成是真的，但ChatGPT Work最誠實的樣貌來自它的失效模式，而測試它的人在同一個早上就揭露了其中兩種。

1. 執行過程是不透明的。 代理的程式碼及其確切步驟在 ChatGPT 介面中並不可見——只有摘要說明（「我使用了 Nominatim……然後在本機計算迴圈」）。對於一條路線來說，這沒問題；但對於任何有重大後果的事情而言，這是你應該假定必然存在的透明度缺口。Willison 稱之為「反功能」：你看到的是結果以及模型對結果的自述，而不是產生該結果的程式碼。

2. 壓縮可能會抹除工作成果。等到他要求一份 Python 程式碼的副本時，代理已經產不出來了——對話串已被壓縮，壓縮前的上下文早已消失。任何你賴以運作的長時間代理工作階段都帶著這種風險：對話串會被摘要化，而從未存成檔案的產出物或程式碼，就再也取不回來了。如果你需要那份程式碼，就在執行過程中要求它存成檔案，而不是事後才要。

這兩項但書都不會削弱這套操作手冊——一條路線加上 GPX/GeoJSON 匯出檔，正是那種因為已寫入磁碟而能在壓縮後留存下來的交付成果。但它們也設下了期待：ChatGPT Work 很強大，卻不透明，也不是它所做一切的可長久保存紀錄。

為什麼這比一個精巧的示範更重要

在跑步路線之下，是一項真正嶄新、值得估算成本的能力：一個前沿模型能接收一行請求，執行 27 分鐘真正的多步驟工作，涵蓋地理編碼、網路查詢與本機運算，並交回可用的檔案。這就是「代理式工作」在實務上的意義，也改變了你對模型請求應有的期待。它同時改變了成本計算——而這正是路由這個切入點證明自身價值之處。

在 ChatGPT Work 中，那場 27 分鐘的工作階段會扣抵你訂閱方案的 Codex 額度，而在 GPT-6 Astra 上，token 消耗得很快。同一個模型也可透過 API 以逐 token 計價的方式使用：GPT-6 Astra 的定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元，具備約 105 萬 token 的上下文視窗，且輸入超過 272,000 token 後會進入長上下文級距，費率更高——以上為供應商定價。對於會將整個工作階段保留在上下文中的 agent 迴圈而言，那個長上下文級距正是花費所在。

這正是路由層存在的目的：控管這類成本。 單一 API 涵蓋 200 多種模型，並以 0% 加價直接傳遞供應商定價，這意味著像 GPT-6 Astra 這樣定價 10 美元與 50 美元的前沿模型，會和定價 4 美元與 20 美元的 GPT-5.6 Sol 並列在同一把金鑰下，而你只要改一個模型字串就能在兩者之間切換——不必再簽一份合約、不必改程式碼、也不必為每家供應商個別整合。如果你想拿最新模型來開發路徑規劃或其他長時程代理的原型，又不想把正式生產路徑押在它身上，自動容錯轉移能讓你先把一部分流量跑在它上面，同時由經過驗證的模型在底層支撐。而當供應商降價時，這種直接傳遞也代表新價格當天就會在我們這邊生效——同樣的定價，中間沒有任何加價層。

同樣的論點也適用於工具鏈模式，而不只是模型本身。該代理所使用的 OSM/Nominatim/Overpass 管線，正是開發者可能希望以確定性方式呼叫的那類東西——而如果你真的自己建構它，你會將模型層導向單一端點，而不是硬編碼單一供應商，這樣一來，負責規劃路線的模型就能被替換或容錯移轉，而不必重寫整條管線。

戰術手冊，精簡版

如果你想自己重現這個，形狀是：

• 使用 ChatGPT Work（而非一般聊天），並選擇 GPT-6 Astra，將推理強度設為高。

• 用真實地址與目標距離撰寫提示詞：「我住在 <address>。請幫我找出從我所在位置出發、並繞回我家的 5K 與 10K 跑步路線。使用 OSM 資料。」

• 預期它需要數十分鐘，而非幾秒鐘——並且預期它能自行運作。

• 要求隨過程以檔案形式提供輸出：GPX 給你的手錶或應用程式、GeoJSON 給任何程式化用途，以及它在對話中渲染出的視覺化呈現。

• 如果你需要它寫的程式碼，請在執行期間要求將它存成檔案——之後的壓縮可能會把它清除掉。

最後那個步驟，是每個人都會跳過的一步，卻也是真正會讓你吃到苦頭的一步。模型會很樂意整天幫你規劃迴圈；但等到你開口問的時候，它可能已經不記得當初寫出那些迴圈的程式碼了。

同一把金鑰就能觸及型錄中其餘的內容，而你可以瀏覽完整的模型型錄，看看在一個與 Open​AI 相容的端點背後還藏著什麼。