更新：Computer Use 现在在欧盟/英国可用 ;) 尽情享受吧！
Codex 可以通过三种方式使用计算机：Computer Use、Chrome 扩展程序和应用内浏览器。
它们的功能有所重叠，足以让人困惑。
读完这篇文章，你将了解如何安装并触发这三种方式、何时使用哪一种、Appshots 和开发者模式如何连接它们，以及 AGENTS.md 中添加什么内容能让 Codex 自动选择正确的界⾯。
简单来说：
话虽如此，在可能的情况下，优先使用插件或 MCP。Slack 插件可以比在 Slack 中手动点击更精确地检索线程。GitHub 插件生成的操作比驱动网站更易于检查。视觉控制最适用于结构化工具无法覆盖的边缘场景！
1. 一切皆 [@Computer](https://x.com/@Computer)
Computer Use 是三种界面中最广泛的一种。它让 Codex 能够通过操作您批准的应用程序中的窗口、菜单、键盘输入和剪贴板，在 macOS 和 Windows 上查看并操作图形界面。
它通常也是最慢的。结构化插件可以直接调用 API；而 Computer Use 需要查看界面、决定点击位置、等待应用响应，然后检查下一个状态。这种视觉循环需要时间，但这意味着 Codex 可以处理那些没有有用 API 的应用程序。
在 macOS 上，慢并不一定意味着干扰。Computer Use 可以在后台操作批准的应用程序，而您继续使用电脑的其他部分。很多时候，我一边使用 Codex，一边打开某个应用，然后发现 Codex 一直在安静地处理某个工作流。
根据您电脑上安装和批准的内容，它可以包括 Spotify、XCode、系统设置、iOS 模拟器，甚至是 iPhone Mirroring 应用来控制您的 iPhone！它还可以在跨越多个应用的工作流中切换。
当任务依赖于以下内容时使用它：
- 原生桌面应用，如 Spotify 或财务应用
- iOS 模拟器、iPhone Mirroring 或其他仅 GUI 的工作流
- 系统或应用程序设置
- 没有插件或 API 的数据源
- 跨越多个应用的工作流
- 在其他有用的结构集成中缺失的操作
要安装它，请在 Codex 中打开 设置 > Computer Use，然后点击 安装。
要触发它，请提及 @Computer，或明确要求 Codex 使用 Computer Use。随着我们的模型变得更好，它将在需要时自行调用。
先试试几个例子：
我个人最喜欢的例子始于一个被偷的包裹。亚马逊告诉我，接通客服大约需要 25 分钟。我给了 Codex 线程 Computer Use 权限，要求它每五分钟检查一次聊天，一旦客服出现就切换到每分钟检查一次，并尽力争取退款。等我洗完澡回来，退款已经完成了。
1使用 @Computer 打开 Spotify，找到我的 Discover Weekly 播放列表，然后开始播放。不要更改我的帐户或订阅设置。23使用 @Computer 打开 iPhone Mirroring，重现 iOS 应用中的引导 Bug，并对失败状态截图。修复最小的相关代码路径，然后再次运行相同的流程。
我还将 Computer Use 作为结构化工作流的最后一环。在一次发布视频中，Codex 可以读取 Slack 的反馈、修改代码并渲染新视频，但该线程可用的 Slack 集成无法上传文件。Computer Use 点击了 Add file，完成了这缺失的一步。
它也是三者中信任边界最宽的。一次只给它一个明确的应用程序或工作流。在不参与任务时保持敏感应用关闭，审查权限提示，并在涉及财务、账户、支付、凭据、隐私和系统安全更改时保持在场。
2. [@Chrome](https://x.com/@Chrome) 用于多标签页和认证
Codex Chrome 扩展程序 让 Codex 能够访问您已登录的 Chrome 状态。当任务依赖于您已有的账户、Cookie、浏览器配置文件或已认证的标签页时使用它。
这是处理以下工具中任务的正确界面：
- Gmail 或 LinkedIn
- Salesforce 或支持控制台
- 内部仪表盘
- 跨多个站点的已认证研究
- 依赖您账户或浏览器扩展的表单
要安装它，请在 Codex 中打开 插件，添加 Chrome，然后按照设置流程操作。Codex 将指导您安装 Codex Chrome 扩展程序 并批准 Chrome 的权限。当扩展显示 已连接 时，开始一个新线程。
要触发它，请提及 @Chrome 或明确要求 Codex 使用您已登录的 Chrome 浏览器：
1使用 @Chrome 查看当前客户账户，将其与另一个标签页中的支持工单进行比较，并起草缺失的字段。在提交前停止。
Chrome 任务在标签组中运行，这有助于将单个 Codex 线程的标签页保持在一起。与应用内浏览器不同，这个界面携带了您的浏览器身份。这使得它更强大，也更敏感。
另一个主要优势是多标签页控制。Chrome 可以保持多个与同一任务相关的标签页，在一个标签页中读取上下文，与另一个进行比较，然后在第三个中继续工作流。Computer Use 可以视觉驱动浏览器，但 Chrome 将工作理解为浏览器工作流，而不是一系列屏幕坐标。
在最近的一个线程中，我将一个已打开的 Strudel Composer 标签页交给 Codex，并要求它让音乐更有趣。Chrome 提供了选中的标签页和页面的 WebMCP 工具。Codex 检查了作曲，重写了和声和四分钟的结构，更改了速度，保存了音轨，并让它继续播放。它不需要视觉上寻找每个控件，因为 Chrome 可以结合标签页上下文和页面暴露的结构化能力。
我将其用于一个长期运行的 Twitter 线程。指令大致是：
每天使用 Chrome 检查我的私信，阅读相关新闻，并查找
我应该知道的反馈或提及。将任何有意义的内容添加到我的知识库中。
不要发布或发送消息。
有趣的部分不是 Codex 可以打开 Twitter，而是线程可以随着时间的推移返回到相同的已登录工作，将其发现与本地文件连接，并给我留下可审查的结果。
信任边界很重要。网站可能将 Codex 的点击、表单提交和消息视为您的操作。页面内容也是不受信任的输入。将关键步骤明确化：自动进行研究、导航和起草；在发送、发布、购买或提交之前需要您的审查。
如果整个任务都在浏览器中完成，优先选择 Chrome 而非 Computer Use。Chrome 拥有任务所需的浏览器原生上下文，而无需开放对桌面其他部分的访问。
3. 应用内 [@Browser](https://x.com/@Browser) 用于您正在构建的网站
应用内浏览器 是位于 Codex 线程内的浏览器。您和 Codex 共享相同的渲染页面，因此它特别适合构建和调试 Web 应用。
这是我从以下方面开始使用的地方：
- 本地开发服务器
- 基于文件的预览
- 无需登录的公共页面
- 重现视觉 Bug
- 检查响应式布局
- 留下元素级别的设计反馈
重要的限制是隔离。应用内浏览器不使用您正常的浏览器配置文件、Cookie、扩展程序、已登录会话或现有标签页。当任务需要账户时，这是一个限制，但在不需要时则是一个有用的边界。
要进行设置，请打开 Codex 中的 插件，添加 浏览器 插件，并启用它。
要触发它，请在提示中提及 @Browser 或明确要求 Codex 使用应用内浏览器：
1使用 @Browser 打开 <http://localhost:3000/> 上的 Vite 应用，重现移动端溢出 Bug，修复它，然后以桌面和移动宽度再次验证同一路由。
这创建了一个紧密的反馈循环：Codex 可以编辑代码、操作页面、检查渲染状态、截屏，并在修复后重复流程。
我最喜欢的部分是注释。当我在审查本地应用时，可以直接点击元素或选择区域并留下评论。样式控件还让我可以预览并发送关于文本、字体、间距和颜色的更精确反馈。我倾向于将其与语音输入和引导结合：我审查页面，留下评论，并在 Codex 处理的同时排队更多反馈。页面成为规范。
这对于设计工作尤其有用。我经常要求 Codex 将想法、研究包或项目状态转换为一个 index.html 文件，然后在应用内浏览器中打开。不必在另一个提示中描述整个设计，我直接在页面上注释："这个层次结构反了"，"让这个感觉不那么像卡片"，"这些控件需要更多空间"，或"在整个页面使用这个字体比例"。Codex 接收包含相关截图和元素上下文的评论，更改文件，然后重新打开同一页面进行下一次迭代。
创建此项目简报的单个 index.html 文件，并在应用内
@Browser 中打开它。
这个循环感觉更像是与设计师在同一个画布上工作，而不是来回传递截图和文字。
应用内浏览器也可以作为混合工作流的起点。在另一个线程中，我在应用内浏览器中打开了一条 X 帖子，并要求 Codex 调查讨论。可见页面确定了是哪条帖子；然后 Codex 切换到 Twitter CLI，检索了 38 条回复，包括浏览器视图中隐藏的嵌套回复。这就是最窄界面规则的实际应用：使用浏览器获取屏幕上的上下文，然后使用结构化工具进行更深入的检索。
这里有一个权衡。使应用内浏览器成为良好开发界面的隔离性，也意味着它不适合处理 Google 登录、通行密钥或依赖浏览器扩展的网站。当身份相关时，请转向 Chrome。
Appshots
Appshot 不是 Codex 控制计算机的第四种方式。它是一种将 Codex 指向您面前已有上下文的方式。
在 Mac 上，按两次 CMD+CMD 键可捕获最后一个窗口。Codex 将图像和任何可用文本附加到线程。您可以对错误、电子邮件、设计、设置面板或不熟悉的表单进行 Appshot，然后简单地说：
这是我发现最容易记住的心智模型：
Appshots 是您在计算机上指向某物的方式。Browser、Chrome 和 Computer Use 是 Codex 操作的方式。
Appshots 目前从 macOS 上的 Codex 应用创建。它们捕获最前端的窗口，而不是整个桌面，这使得它们在提供聚焦上下文的同时不授予对应用的控制权，非常有用。
如何跟进相关工作
这些界面发展迅速。如果您希望获得有用的详细信息，而不是等待大型发布回顾：
- 关注 Ari Weinstein (@AriX) 了解 Computer Use、Appshots
- 关注 James Sun (@JamesZmSun) 了解所有浏览器相关
- 关注 Andrew Ambrosino (@ajambrosino) 了解 Codex 应用发布和更大的桌面产品故事
- 关注 OpenAI Developers (@OpenAIDevs) 了解更广泛的 Codex 和 OpenAI 平台新闻
