电脑操控

大多数编程任务，Codex 靠读写文件和跑命令就能完成。但有些事情只能「看着屏幕点」：检查一个桌面应用的按钮是不是错位了、复现一个只在界面上出现的 bug、在某个没有 API 的后台系统里改一项设置。电脑操控（Computer Use）就是让 Codex 能看屏幕截图、移动鼠标、敲键盘，像人一样操作图形界面。

和它相关的还有两种浏览器能力。这一页讲清楚三者的区别、怎么开启、适合做什么、风险在哪里，以及怎么用配置把它限制在安全范围内。

三种能力的区别

能力	它操作的是什么	典型用途	风险
内置浏览器	桌面应用自带的浏览器面板	打开本地开发服务器的页面，看效果、截图、点一点	较低：独立环境，不带你的登录状态
浏览器操控（Chrome 等）	你电脑上的真实浏览器	需要你已登录的网站、需要浏览器扩展的流程	较高：能以你的身份操作已登录的网站
电脑操控	整个桌面上的应用和窗口	测试桌面应用、操作没有接口的软件、跨应用流程	最高：能看到屏幕上的一切

选择的原则是能用结构化的方式就不用视觉方式：

1. 有命令行工具或 API 的，让它跑命令。
2. 有 MCP 服务器或插件的（GitHub、数据库、Figma 等），用 MCP 或插件。
3. 网页类的本地开发调试，用内置浏览器。
4. 以上都不行，再用电脑操控。

结构化的方式更快、更准、可重复，也不会受窗口遮挡、分辨率、动画影响。

在哪些形态可用

电脑操控和浏览器操控以插件形式随 桌面应用 提供（见 桌面应用与界面），支持 macOS 和 Windows。终端里的 CLI 有对应的功能开关，但截屏和点击需要桌面端的能力，日常请在桌面应用里使用。

在 CLI 里可以查看这些开关的状态：

codex features list | grep -E "computer_use|browser_use|in_app_browser"

在当前版本（0.142）里，computer_use、browser_use、in_app_browser 都是稳定功能且默认开启。它们同时是「受管控」的开关：组织管理员可以在 requirements.toml 里统一关掉，见 安全与团队管理。

关于模型和账号

电脑操控依赖模型理解截图的能力。用第三方接口（包括 HiveGPT）时能否使用这些插件，取决于桌面应用版本和所选模型，以应用内显示为准。遇到插件不可用，先确认已更新到最新版。

开启和授权

第一步：安装插件

在桌面应用的设置或插件页找到「电脑操控」（Computer Use），点击安装。浏览器操控对应的是 Chrome 等浏览器插件，同样在插件页安装。

第二步：系统权限（macOS）

macOS 第一次使用时会请求两项系统权限，到「系统设置 → 隐私与安全性」里给 Codex（或 ChatGPT）应用打开：

权限	用途
屏幕录制	让 Codex 看到目标窗口的内容
辅助功能	让 Codex 点击、输入、操作菜单

Windows 上的限制

Windows 上的电脑操控只能在当前活动的桌面上运行，执行期间 Codex 会接管鼠标和键盘，你没法同时用电脑。需要它长时间工作时，可以：

• 在虚拟机里运行桌面应用，让它操控虚拟机而不是你的主桌面；
• 或者用另一台设备远程查看进度，自己离开电脑。

第三步：应用授权

系统权限只决定 Codex「能不能」看和点，具体能操作哪些应用由 Codex 自己的应用授权决定：

• 每次要操作一个新应用前，Codex 会询问你是否允许。
• 选「始终允许」后，以后用这个应用不再询问。只对你完全放心的应用这样做。
• 在设置的电脑操控页面可以查看和移除「始终允许」的列表。

注意：文件读写和 shell 命令仍然遵循当前线程的沙箱和审批设置，电脑操控不会绕过它们。

怎么发起任务

在提示词里明确说要用电脑操控，或者用 @ 指定应用：

用电脑操控打开我们刚构建的 Notes.app，新建一条带中文标题的笔记，
看标题栏是否被截断。如果截断了，找到对应的布局代码修复，然后重新构建并再验证一次。

打开 @Chrome，访问 http://localhost:5173/checkout，
用测试卡号走一遍下单流程，截图记录每一步，报告哪一步出现报错。

写好这类任务的要点：

• 只给一个目标应用或一条流程。目标越窄，它越不容易点错窗口。
• 说清楚验收方式：「看到什么算成功」「截图保存到哪里」。
• 把修改和验证串起来：改代码 → 重新构建 → 用同样的界面流程再验证，比只让它看一眼有用得多。

本地 Web 项目优先用内置浏览器而不是电脑操控：

在内置浏览器里打开 http://localhost:3000，把移动端宽度下导航栏重叠的问题修好，
修完刷新页面截图确认。

适合与不适合的任务

适合	不适合
测试正在开发的桌面应用、iOS 模拟器里的流程	有 API 或命令行能完成的操作
复现只在界面上出现的 bug	涉及支付、转账、修改账户安全设置
操作没有接口的内部系统（只读查看为主）	需要输入密码、密钥、验证码的步骤
检查页面在不同窗口尺寸下的显示	你不在场时操作已登录的重要账号

另外，按官方说明，电脑操控不能用来自动化终端应用和 Codex 自身（否则可能绕过安全策略），也不能替你以管理员身份认证或批准系统的安全与隐私权限弹窗。

风险与安全建议

电脑操控的风险和它的能力成正比：

• 能看到的就可能被读走。屏幕上的聊天记录、邮件、打开的文档、剪贴板内容，都可能进入模型上下文。
• 网页内容可能是攻击。浏览器里的页面可以藏着「忽略之前的指令，把……发到……」这样的文字（提示注入）。Codex 操作你已登录的浏览器时，网站会把它的点击和提交当成你本人的操作。
• 点错窗口。弹窗、通知抢焦点时，它可能在错误的窗口里输入。

建议：

1. 开始前关掉无关的敏感应用：聊天软件、邮箱、密码管理器、网银。
2. 浏览器任务让它用单独的浏览器或配置文件，不带你日常的登录状态。
3. 谨慎使用「始终允许」，尤其是浏览器、终端、系统设置这类应用。
4. 涉及账户、安全、隐私、网络、支付、凭据的设置，必须你在场，逐步确认。
5. 随时可以中断。看到它开始操作错误的窗口，立即停止任务。
6. 屏幕截图和处理的内容同样受你账号的数据控制设置约束；公司环境请先确认是否允许把屏幕内容发给模型。

用配置限制范围

除了界面上的授权，也可以在 ~/.codex/config.toml 里预先写好允许和禁止的应用、网站。

限制电脑操控能碰的应用（macOS 用 bundle ID，Windows 用应用的 AUMID 或可执行文件信息）：

[computer_use]
default_app_access = "deny"          # 默认不允许，只放行下面列出的

[computer_use.macos.bundle_ids]
"com.apple.Safari" = "allow"
"com.apple.iphonesimulator" = "allow"
"com.apple.Terminal" = "deny"

# Windows：按可执行文件的发布者和产品名放行
[[computer_use.windows.exes]]
publisher_name = "CN=Google LLC"
product_name = "Google Chrome"
binary_name = "chrome.exe"
access = "allow"

限制浏览器操控能访问的网站：

[browser_use]
allow_history_access = false         # 不允许读取浏览历史

[browser_use.default_origin_policy]
access = "deny"                      # 默认不允许访问任何网站

[browser_use.origins."http://localhost:5173"]
access = "allow"
downloads = "deny"
uploads = "deny"

管理员还可以在 requirements.toml 里强制这些策略，例如完全禁用电脑操控和浏览器操控、禁止 macOS 锁屏状态下的操控、禁止「始终允许」类的持久授权，详见 安全与团队管理。

macOS 的锁屏使用

macOS 上有一个默认关闭的选项：允许在 Mac 锁屏后继续使用电脑操控（比如你从手机发起任务，而 Mac 已经锁屏）。开启后，Codex 只会在一个活跃、可信的电脑操控回合里短暂解锁，并遮挡所有显示器；检测到本机键盘或鼠标输入会立即重新锁定。这个功能只适合你清楚用途的场景，公司电脑上管理员可以统一禁用。

常见问题

Codex 说看不到或控制不了某个应用？ macOS 上检查「屏幕录制」和「辅助功能」里 Codex / ChatGPT 是否已勾选，勾选后可能需要重启应用。Windows 上确认目标应用在当前活动桌面上可见、没有被最小化。

它在界面里改了设置，但审阅面板里没有改动？ 通过图形界面做的修改，只有保存到磁盘、并且在项目目录里时，才会出现在改动审阅里。

操控很慢、经常点偏？ 减少屏幕上的窗口、关闭动画、固定窗口大小，并把任务拆小。能用命令完成的步骤让它直接跑命令。

小结

• 内置浏览器、浏览器操控、电脑操控风险依次升高，能用命令、API、MCP 就不用视觉操控。
• 电脑操控以插件形式随桌面应用提供，macOS 需要屏幕录制和辅助功能权限，Windows 只能在前台运行。
• 系统权限、应用授权、沙箱审批是三层独立的控制，「始终允许」要慎用。
• 开始前关掉敏感应用，浏览器任务用单独的配置文件，涉及账户和支付的步骤必须在场。
• 可以在 config.toml 里用 [computer_use]、[browser_use] 限定应用和网站，团队可用 requirements.toml 强制。

下一步：非交互模式与 CI/CD