https://www.knightli.com/zh-tw/tags/%E9%9B%BB%E8%85%A6%E4%BD%BF%E7%94%A8/ Recent content in 電腦使用 on KnightLi的博客 Hugo -- gohugo.io zh-tw Wed, 29 Apr 2026 11:28:25 +0800 https://www.knightli.com/zh-tw/2026/04/29/codex-computer-use-update/ Wed, 29 Apr 2026 11:28:25 +0800 https://www.knightli.com/zh-tw/2026/04/29/codex-computer-use-update/ <p>Codex 這次最值得關注的變化，不是又多了一個普通按鈕，而是它開始往「控制電腦」這個方向走。</p> <p>以前我們使用 AI，更多是在聊天框裡提問、複製、貼上、再手動操作軟體。<br> 現在這個邊界開始往外擴：AI 不只是回答你，而是可以根據你的目標去操作桌面應用。</p> <p>這件事短期看是一個新功能，長期看可能會改變很多人使用電腦的方式。</p> <h2 id="這個功能是什麼">這個功能是什麼 </h2><p>簡單說，Codex 的電腦使用能力，就是讓它能接觸並操作桌面環境。</p> <p>它可以做的事包括：</p> <ul> <li>可以選擇並控制某個應用</li> <li>可以用自然語言下達任務</li> <li>可以打開瀏覽器、AI 工具、本地文件或其他軟體</li> <li>可以輸入內容、點擊按鈕、等待結果</li> <li>可以把多個步驟串成一個任務</li> <li>可以在後台繼續執行，不需要使用者每一步都手動跟著</li> </ul> <p>它的定位不是單純替你寫一段文字，而是替你完成一段操作流程。</p> <p>這就是 Agent 和普通聊天機器人的關鍵差別：<br> 聊天機器人主要給答案，Agent 更接近「拿到目標後去執行」。</p> <h2 id="為什麼這件事重要">為什麼這件事重要 </h2><p>過去很多自動化都要求你會寫腳本。</p> <p>比如你想完成一個跨軟體流程：</p> <ul> <li>打開網頁</li> <li>找資料</li> <li>複製內容</li> <li>交給另一個 AI 工具處理</li> <li>保存文件</li> <li>再打開本地目錄檢查結果</li> </ul> <p>如果要自動化這件事，傳統做法可能是寫瀏覽器腳本、調用 API、寫本地程序，甚至還要處理各種軟體窗口。</p> <p>但很多普通使用者不會寫這些東西。<br> 就算會寫，也未必值得為一個臨時任務專門寫腳本。</p> <p>電腦使用能力的意義就在這裡：它把「腳本能力」往自然語言方向推了一步。</p> <p>你不一定要告訴它每一步怎麼點。<br> 你可以告訴它你要什麼結果，讓它自己去嘗試完成。</p> <h2 id="它能改變哪些工作流">它能改變哪些工作流 </h2><p>我覺得最先被改變的，不會是特別嚴肅、特別高風險的工作，而是那些「煩、雜、重複、但又不值得專門寫程序」的流程。</p> <h3 id="1-跨軟體搬運">1. 跨軟體搬運 </h3><p>最典型的就是在多個軟體之間搬資訊。</p> <p>以前你可能要在瀏覽器、文檔、聊天窗口、本地資料夾之間來回切。<br> 以後可以把這類任務交給 Agent：</p> <ul> <li>去找某類資料</li> <li>匯總成文檔</li> <li>保存到指定目錄</li> <li>打開結果給你確認</li> </ul> <p>這類工作不難，但很耗注意力。<br> Agent 的價值就是把這些碎操作吃掉。</p> <h3 id="2-多個-ai-工具協同">2. 多個 AI 工具協同 </h3><p>現在很多人的真實工作流已經不是只用一個 AI。</p> <p>可能是：</p> <ul> <li>一個工具寫程式碼</li> <li>一個工具查資料</li> <li>一個工具生成圖片</li> <li>一個工具整理文檔</li> </ul> <p>以前這些工具之間靠人手複製貼上。<br> 以後 Agent 可以成為中間層：它負責打開工具、傳遞上下文、等待輸出、整理結果。</p> <p>這會讓「多個 AI 協同」從手工流程變成半自動流程。</p> <h3 id="3-辦公軟體自動化">3. 辦公軟體自動化 </h3><p>表格、PPT、文檔、郵件，這些軟體都有一個共同特點：功能很強，但很多操作很碎。</p> <p>如果 Agent 能穩定控制這些軟體，以後的辦公自動化門檻會明顯下降。</p> <p>你不用記選單在哪裡，也不用學複雜快捷鍵。<br> 你只需要說清楚目標，比如：</p> <ul> <li>把這份表格整理成月報</li> <li>根據這份文檔做一頁總結</li> <li>把這些資料合併成一個結構清楚的說明</li> </ul> <p>真正麻煩的按鈕操作，會逐漸被隱藏到自然語言後面。</p> <h2 id="對普通使用者意味著什麼">對普通使用者意味著什麼 </h2><p>對普通使用者來說，這類功能的影響可能比「模型又聰明了一點」更直接。</p> <p>因為它降低的不是知識門檻，而是操作門檻。</p> <p>很多人不是不會表達需求，而是不知道軟體裡該點哪裡、怎麼組合功能。<br> Agent 如果能接管這部分，人使用電腦的方式就會變成：</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">我描述目標 </span></span><span class="line"><span class="cl">Agent 操作軟體 </span></span><span class="line"><span class="cl">我檢查結果 </span></span></code></pre></td></tr></table> </div> </div><p>這比單純聊天更接近真實生產力。</p> <h2 id="對軟體形態的影響">對軟體形態的影響 </h2><p>如果這類 Agent 能力繼續成熟，軟體本身也會被反向影響。</p> <p>過去軟體設計主要服務人類點擊。<br> 以後軟體可能還要服務 Agent 操作。</p> <p>這意味著：</p> <ul> <li>介面元素需要更清晰</li> <li>操作回饋需要更穩定</li> <li>本地權限需要更細</li> <li>軟體可能會提供更適合 Agent 調用的介面</li> <li>使用者會更在意「能不能被 AI 順利操作」</li> </ul> <p>長期看，應用之間的邊界可能會變薄。<br> 使用者關心的不再是「我打開哪個軟體」，而是「我要完成什麼任務」。</p> <h2 id="現在還不能過度樂觀">現在還不能過度樂觀 </h2><p>當然，現在還不到完全放手的時候。</p> <p>這類能力目前還有幾個明顯限制：</p> <ul> <li>穩定性還需要觀察</li> <li>複雜任務可能中途出錯</li> <li>權限邊界必須謹慎</li> <li>涉及帳號、支付、刪除文件等操作不能隨便放權</li> <li>額度消耗也不是完全可以忽略</li> </ul> <p>所以現階段最合適的用法，不是讓它完全接管電腦，而是讓它處理低風險、可檢查、步驟繁瑣的任務。</p> <p>比如：</p> <ul> <li>整理資料</li> <li>生成草稿</li> <li>跨工具搬運內容</li> <li>打開和檢查文件</li> <li>做一些可以人工複核的半自動流程</li> </ul> <h2 id="最後一句">最後一句 </h2><p>Codex 這次更新真正重要的地方，是它把 AI 從「回答問題」推向了「操作環境」。</p> <p>短期看，它是一個電腦使用功能。<br> 長期看，它可能是個人電腦互動方式的一次轉向。</p> <p>以後我們使用電腦，可能會越來越少地記按鈕、找選單、切窗口。<br> 更多時候，我們只需要說清楚目標，然後讓 Agent 去執行，再由人做最後判斷。</p>