用 Codex 洗了个澡，快递退款到账了——Codex 操控电脑的三种方式

OpenAI 工程师用 Codex 洗了个澡，退款到账了。

不是段子。

事情是这样的：Jason（Codex 团队成员）海淘快递被偷，Amazon 客服说要等 25 分钟才能接通。他让 Codex 每 5 分钟检查一次聊天窗口，客服一出现就改为每分钟一次，自动完成退款。他去洗了个澡，回来钱已经退回来了。

这个场景背后，是 Codex 操控电脑的三种完全不同的方式。最近 Codex 团队把三者的区别和适用场景整理成了一份详细指南，我来做个精简版。

Computer Use：全能选手，什么都能控制

Computer Use 让 Codex 像真人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring——只要是 GUI 能触达的地方，它都能控制。

代价是慢。结构化 API 调用是直接调接口，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用，这是其他方式做不到的。

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

适合场景：需要控制没有开放 API 的桌面应用，或者需要跨越多个不同软件完成一个业务流程。

Chrome 扩展：带着你的身份上网

Chrome 扩展让 Codex 使用你已经登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台——这些需要登录才能用的工具，Chrome 扩展是对的选择。

它还能同时控制多个标签页，在一个标签里读信息，到另一个标签对比，再到第三个标签完成操作。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，更聪明。

Jason 用它跑过一个长期任务：每天让 Codex 自动检查 Twitter 私信、浏览新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息——纯信息收集。

⚠️ 注意：网站会把 Codex 的点击和表单提交当作你本人操作。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。

适合场景：需要登录状态的多步骤网页操作，比如社交媒体信息收集、表单填写、内容对比等。

内置浏览器：开发者的沙盒

内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是完全隔离的环境。

这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、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：你直接在页面上点击某个元素留评论，比如”这个层级反了”，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图加文字描述高效 10 倍。

适合场景：前端开发、网页调试、UI bug 修复，任何需要”改→看→改”快速迭代的工作流。

选哪个？

记一个简单原则：

• 需要登录状态 → Chrome 扩展
• 需要控制桌面应用（没有 API 的那种）→ Computer Use
• 在做前端开发 / 沙盒调试 → 内置浏览器

如果你有现成的插件或 MCP 能完成任务，优先用那些结构化工具——视觉控制是最后的手段，最慢但也最通用。

GitHub 仓库里可以直接下载 Codex CLI 体验这三种操控方式，安装只要一行 npm i -g @openai/codex，支持 Mac/Windows/Linux。

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

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