一、Codex桌面操控功能是什么？

　　Codex已从编程助手进化为能直接操控本地电脑桌面的AI Agent，拥有独立光标，可在后台同时操作多个软件，不干扰用户当前工作。

　　支持macOS和Windows系统，并可通过手机App远程控制。

　　技术底层不再依赖屏幕截图，而是调用系统辅助功能提取应用信息，配合极速模型实现超人类的操作速度和准确度。

　　二、普通用户的安装与准备

　　下载Codex桌面客户端：macOS可从官网下载或使用Homebrew，Windows可从Microsoft Store或官网获取。

　　登录账号：需要ChatGPT Plus或Pro订阅（$20/月起），或使用API Key；免费用户有额度限制。

　　开启Computer Use权限：在设置中为需要控制的应用逐一授权，Codex不会监控整个桌面，仅访问被授权的应用。

　　注意：欧盟地区暂不可用，国内用户可通过接入国产模型（如DeepSeek API或讯飞CodingPlan）实现低门槛使用。

　　三、核心操作方式一：Record & Replay（录制工作流）

　　2026年6月上线的功能，特别适合“说不清但做一遍就懂”的重复性任务，如填报销单、发布视频、创建issue。

　　操作步骤：

　　在Codex桌面端打开Plugins，点击加号菜单，选“Record a skill”。

　　正常在Mac上完成一遍操作，停止录制后Codex自动生成Skill文件，包含触发条件、输入参数、执行步骤和验证方式。

　　下次遇到同样任务时，开新对话告诉Codex用该Skill，输入新参数即可自动执行。

　　Skill可检查、可编辑，不是黑盒；目前仅支持macOS。

　　四、核心操作方式二：Computer Use（直接桌面操控）

　　用自然语言直接指挥：如“打开Chrome，登录邮箱，下载最近一封邮件的附件”，Codex会自动完成。

　　支持锁屏继续：macOS上Codex可在电脑锁定后继续执行任务，适合长时间后台运行。

　　多Agent并行：可同时跑多个Agent，一个写代码、一个做测试，互不干扰。

　　手机远程控制：通过ChatGPT手机App可启动、监控、审批任务，Windows主机也能被远程控制。

　　安全机制：高危操作（如删除文件、发送邮件）必须人工确认。

　　五、三种操控入口的选择策略

• 入口
• 适用场景
• 特点
• Computer Use桌面软件、系统设置、跨应用流程最通用，能操作任何可见界面，后台独立运行
• 内置浏览器本地网页、公开页面、页面预览轻量，免登录
• Chrome扩展需要登录态的网站（后台、邮箱、社交媒体）可读写登录态数据，但发送/付款必须人工确认

　　普通用户根据任务类型选择：涉及整个屏幕的操作用Computer Use，单纯网页内容用内置浏览器，需要已登录账号的网站用Chrome扩展。

　　六、普通用户能做什么（零代码场景示例）

　　自动填表录单：录制一次填表操作，后续只需提供新数据，Codex自动填写。

　　批量文件整理：告诉Codex“把桌面所有图片按尺寸分类，重命名为日期-序号”。

　　制作个人网站/名片：用自然语言描述姓名、职业，Codex直接生成可访问的HTML页面。

　　资料转PPT：把Markdown文档丢给Codex，生成排版好的PPTX。

　　数据清洗与绘图：把Excel交给他，自动清洗、统计、生成图表。

　　截图转交互原型：上传竞品App截图并描述需求，Codex可生成可点击的原型。

　　七、注意事项与建议

　　Codex操控电脑时有沙盒隔离机制，但建议重要数据先备份。

　　敏感操作（删除文件、提交发布）保持人工确认习惯。

　　免费用户额度有限（每5小时约30-150条消息），重度使用需订阅Plus/Pro。

　　国内用户可通过配置第三方模型（如DeepSeek API或讯飞CodingPlan）实现低价直连。

　　完全不会编程的用户优先使用桌面客户端，无需接触命令行。

本文由AI生成