Codex 会操控电脑了！但三种模式差别巨大，用错等于白嫖

Codex 会操控电脑了！但你知道它有三种模式吗？

OpenAI 的 Codex 不只会写代码——它现在能直接操控你的电脑。但 Codex 团队成员 Jason 告诉我们：三种操控方式，差别巨大，用错场景等于白嫖。

第一种叫 Computer Use，最广也最慢。Codex 像真人一样看屏幕、点鼠标、敲键盘，操作任何图形界面——Spotify、Xcode、系统设置、iOS 模拟器都不在话下。没有 API 的应用它照样能搞定，这是其它方式做不到的。

代价就是慢。结构化插件直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。Jason 举了个真实例子：他的快递被偷了，Amazon 客服要等 25 分钟。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款。他去洗了个澡，回来退款已经办好了😂

Mac 和 Windows 体验差距很大：Mac 上 Codex 在后台静默操作，你继续用电脑不受影响；Windows 上它必须占前台，操作期间你没法用那台机器。

Chrome 扩展：带着你的登录状态

第二种是 Chrome 扩展，让 Codex 使用你已经登录的浏览器会话——cookies、账号状态、已有标签页全带着。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录的工具，Chrome 扩展是对的选择。

它还能同时控制多个标签页，在一个标签读信息，到另一个对比，再去第三个完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标；Chrome 扩展理解的是浏览器层面的上下文，聪明得多。

注意：网站会把 Codex 的点击当作你本人的操作。研究、浏览、起草可以放心自动化，但发送、发布、付款这类操作最好留给自己确认。

内置浏览器：给开发者的沙盒

第三种是内置浏览器，住在 Codex 的对话线程里，完全隔离，不带任何登录状态和 cookies。

这反而是开发场景的优势：本地开发服务器、文件预览、公共网页、响应式布局检查、视觉 bug 复现——这些是它的主场。Codex 改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。

Jason 最喜欢的功能是标注：直接在页面上点击某个元素留评论，比如”这个层级反了”，Codex 拿着截图和上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效一个量级。

怎么选？记住这张表

• 需要登录状态 → Chrome 扩展
• 需要操作桌面应用 → Computer Use
• 在做前端开发 → 内置浏览器

如果有现成的插件或 MCP 能完成任务，优先用结构化工具——视觉控制是最后手段。

Codex 正在快速迭代，三种操控方式背后的能力还在快速演进。建议直接上手玩，官方的 CLI 工具已经开源，门槛很低。

👉 GitHub 开源仓库（含 CLI 工具）

GitHub: https://github.com/openai/codex