OpenAI Codex 三种电脑操作权限详解：从兜底方案到隔离环境

事件概述

OpenAI Codex 近期重点推进了让 AI 操作电脑的能力，由工程师 Jason Liu 详细解释了三种不同的电脑操作权限体系：Computer Use、Chrome 插件和应用内浏览器。这三类方案并非冗余，而是针对不同任务场景设计的权限分级方案。

核心信息

1. Computer Use（兜底方案）

• 能力边界最宽：直接看屏幕操作任意图形界面，无需 API 接口支持。
• 适用场景：无 API 的原生 GUI 应用、多应用切换流程、补全结构化集成的缺失步骤等。典型用例：自动与客服对话完成退款（如文章开头的案例）。
• 缺点：效率低，需逐帧识别操作。OpenAI 提醒：涉及资金、隐私等敏感操作需人工在场，建议只开放目标应用权限。

2. Chrome 插件（带身份授权）

• 适用场景：需要账号身份的网页任务，如 Gmail、企业内部后台、持续监测社交平台并归档内容。全程无需重新授权。
• 推荐：若整个任务都在浏览器内完成，优先选择此方案。

3. 应用内浏览器（隔离环境）

• 能力：独立运行在 Codex 对话中，不使用用户浏览器的 Cookie、配置和登录态。
• 适用场景：Web 应用本地开发调试、复现视觉 bug、处理无需登录的公共页面。支持用户对页面元素直接批注反馈，提升开发沟通效率。

OpenAI 的设计思路

• AI 越像人类点击操作屏幕，效率、可靠性越低，信任成本越高。结构化接口才是最优方案，视觉操作仅作为兜底补位。
• 总结使用规则：跨应用任务选 Computer Use；需登录身份的网页任务选 Chrome 插件；独立干净的网页开发任务选应用内浏览器。