https://www.knightli.com/tags/%E7%94%B5%E8%84%91%E4%BD%BF%E7%94%A8/ Recent content in 电脑使用 on KnightLi的博客 Hugo -- gohugo.io zh-cn Wed, 29 Apr 2026 11:28:25 +0800 https://www.knightli.com/2026/04/29/codex-computer-use-update/ Wed, 29 Apr 2026 11:28:25 +0800 https://www.knightli.com/2026/04/29/codex-computer-use-update/ <p>Codex 这次最值得关注的变化，不是又多了一个普通按钮，而是它开始往“控制电脑”这个方向走。</p> <p>以前我们使用 AI，更多是在聊天框里提问、复制、粘贴、再手动操作软件。<br> 现在这个边界开始往外扩：AI 不只是回答你，而是可以根据你的目标去操作桌面应用。</p> <p>这件事短期看是一个新功能，长期看可能会改变很多人使用电脑的方式。</p> <h2 id="这个功能是什么">这个功能是什么 </h2><p>简单说，Codex 的电脑使用能力，就是让它能接触并操作桌面环境。</p> <p>它可以做的事包括：</p> <ul> <li>可以选择并控制某个应用</li> <li>可以用自然语言下达任务</li> <li>可以打开浏览器、AI 工具、本地文件或其他软件</li> <li>可以输入内容、点击按钮、等待结果</li> <li>可以把多个步骤串成一个任务</li> <li>可以在后台继续执行，不需要用户每一步都手动跟着</li> </ul> <p>它的定位不是单纯替你写一段文本，而是替你完成一段操作流程。</p> <p>这就是 Agent 和普通聊天机器人的关键区别：<br> 聊天机器人主要给答案，Agent 更接近“拿到目标后去执行”。</p> <h2 id="为什么这件事重要">为什么这件事重要 </h2><p>过去很多自动化都要求你会写脚本。</p> <p>比如你想完成一个跨软件流程：</p> <ul> <li>打开网页</li> <li>找资料</li> <li>复制内容</li> <li>交给另一个 AI 工具处理</li> <li>保存文件</li> <li>再打开本地目录检查结果</li> </ul> <p>如果要自动化这件事，传统做法可能是写浏览器脚本、调用 API、写本地程序，甚至还要处理各种软件窗口。</p> <p>但很多普通用户不会写这些东西。<br> 就算会写，也未必值得为一个临时任务专门写脚本。</p> <p>电脑使用能力的意义就在这里：它把“脚本能力”往自然语言方向推了一步。</p> <p>你不一定要告诉它每一步怎么点。<br> 你可以告诉它你要什么结果，让它自己去尝试完成。</p> <h2 id="它能改变哪些工作流">它能改变哪些工作流 </h2><p>我觉得最先被改变的，不会是特别严肃、特别高风险的工作，而是那些“烦、杂、重复、但又不值得专门写程序”的流程。</p> <h3 id="1-跨软件搬运">1. 跨软件搬运 </h3><p>最典型的就是在多个软件之间搬信息。</p> <p>以前你可能要在浏览器、文档、聊天窗口、本地文件夹之间来回切。<br> 以后可以把这类任务交给 Agent：</p> <ul> <li>去找某类资料</li> <li>汇总成文档</li> <li>保存到指定目录</li> <li>打开结果给你确认</li> </ul> <p>这类工作不难，但很耗注意力。<br> Agent 的价值就是把这些碎操作吃掉。</p> <h3 id="2-多个-ai-工具协同">2. 多个 AI 工具协同 </h3><p>现在很多人的真实工作流已经不是只用一个 AI。</p> <p>可能是：</p> <ul> <li>一个工具写代码</li> <li>一个工具查资料</li> <li>一个工具生成图片</li> <li>一个工具整理文档</li> </ul> <p>以前这些工具之间靠人肉复制粘贴。<br> 以后 Agent 可以成为中间层：它负责打开工具、传递上下文、等待输出、整理结果。</p> <p>这会让“多个 AI 协同”从手工流程变成半自动流程。</p> <h3 id="3-办公软件自动化">3. 办公软件自动化 </h3><p>表格、PPT、文档、邮件，这些软件都有一个共同特点：功能很强，但很多操作很碎。</p> <p>如果 Agent 能稳定控制这些软件，以后的办公自动化门槛会明显下降。</p> <p>你不用记菜单在哪里，也不用学复杂快捷键。<br> 你只需要说清楚目标，比如：</p> <ul> <li>把这份表格整理成月报</li> <li>根据这份文档做一页总结</li> <li>把这些资料合并成一个结构清楚的说明</li> </ul> <p>真正麻烦的按钮操作，会逐渐被隐藏到自然语言后面。</p> <h2 id="对普通用户意味着什么">对普通用户意味着什么 </h2><p>对普通用户来说，这类功能的影响可能比“模型又聪明了一点”更直接。</p> <p>因为它降低的不是知识门槛，而是操作门槛。</p> <p>很多人不是不会表达需求，而是不知道软件里该点哪里、怎么组合功能。<br> Agent 如果能接管这部分，人使用电脑的方式就会变成：</p> <div class="highlight"><div class="chroma"> <table class="lntable"><tr><td class="lntd"> <pre tabindex="0" class="chroma"><code><span class="lnt">1 </span><span class="lnt">2 </span><span class="lnt">3 </span></code></pre></td> <td class="lntd"> <pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="cl">我描述目标 </span></span><span class="line"><span class="cl">Agent 操作软件 </span></span><span class="line"><span class="cl">我检查结果 </span></span></code></pre></td></tr></table> </div> </div><p>这比单纯聊天更接近真实生产力。</p> <h2 id="对软件形态的影响">对软件形态的影响 </h2><p>如果这类 Agent 能力继续成熟，软件本身也会被反向影响。</p> <p>过去软件设计主要服务人类点击。<br> 以后软件可能还要服务 Agent 操作。</p> <p>这意味着：</p> <ul> <li>界面元素需要更清晰</li> <li>操作反馈需要更稳定</li> <li>本地权限需要更细</li> <li>软件可能会提供更适合 Agent 调用的接口</li> <li>用户会更在意“能不能被 AI 顺利操作”</li> </ul> <p>长期看，应用之间的边界可能会变薄。<br> 用户关心的不再是“我打开哪个软件”，而是“我要完成什么任务”。</p> <h2 id="现在还不能过度乐观">现在还不能过度乐观 </h2><p>当然，现在还不到完全放手的时候。</p> <p>这类能力目前还有几个明显限制：</p> <ul> <li>稳定性还需要观察</li> <li>复杂任务可能中途出错</li> <li>权限边界必须谨慎</li> <li>涉及账号、支付、删除文件等操作不能随便放权</li> <li>额度消耗也不是完全可以忽略</li> </ul> <p>所以现阶段最合适的用法，不是让它完全接管电脑，而是让它处理低风险、可检查、步骤繁琐的任务。</p> <p>比如：</p> <ul> <li>整理资料</li> <li>生成草稿</li> <li>跨工具搬运内容</li> <li>打开和检查文件</li> <li>做一些可以人工复核的半自动流程</li> </ul> <h2 id="最后一句">最后一句 </h2><p>Codex 这次更新真正重要的地方，是它把 AI 从“回答问题”推向了“操作环境”。</p> <p>短期看，它是一个电脑使用功能。<br> 长期看，它可能是个人电脑交互方式的一次转向。</p> <p>以后我们使用电脑，可能会越来越少地记按钮、找菜单、切窗口。<br> 更多时候，我们只需要说清楚目标，然后让 Agent 去执行，再由人做最后判断。</p>