浏览器与 Computer Use：
让 Codex 亲眼看、亲手点

先问自己四个问题

官方给的思路大致是：有专门的集成就用集成；本地开发的网页用内置浏览器；要你的登录状态，用你自己的浏览器；只能靠点界面完成的，交给 Computer Use。任务进行中，它也会按这个思路自己换工具。

另外两件是帮手：只想让它看一眼你眼前的窗口，用 Appshots；同一套流程要反复做，用 Record & Replay 录成技能。

"文档没写"表示官方文档没说这个平台能不能用，以你的 App 为准。Computer Use 还要看地区（官方写的是"在支持的地区"），Record & Replay 依赖它，也一样。

预览你的页面，留下批注

页面上的毛病用嘴说不清时，直接在页面上指给它看。官方的流程是：先在集成终端里（或者用本地环境的 Action，第 12 课）把开发服务器跑起来，打开本地页面，对照代码改动看渲染效果，在有问题的元素上留批注，再发一句话让它处理，并且把范围收窄。

下面这个订单页有好几处毛病。点浏览器工具栏里的 Annotate，进入 Annotation mode（批注模式），点一个元素写批注，保存，最后发给 Codex。真实的 App 里还能拖动鼠标框选一块区域；⌘ .（Windows 是 Ctrl .）在浏览和批注之间切换。

页面和 Codex 的回复都是示意。批注的写法照官方建议：先说问题，再说你要的结果。Adjust 是官方的样式微调：在批注旁改字体、文字、间距、颜色，先在页面上预览，再连同批注一起发。

让它自己动手

在任务里写 @Browser，或者直接说"用浏览器"，它就能打开页面、点击、输入、截图，检查页面渲染出来的样子，确认自己改对了没有。官方的例子：

用浏览器打开 http://localhost:3000/settings，复现布局错乱的问题，只修溢出的那几个控件。

它动手时有三条规矩：

• 第一次用某个网站，先问你。已经允许过的网站不再问；允许和屏蔽的网站在 Settings > Browser 里管。
• 敏感操作再确认一次。提交信息、购买、改权限、删数据之前，它会停下来问你。
• 不能替你上传文件。内置浏览器里的文件上传，它没法自动完成。

把浏览器任务做小

官方建议每个浏览器任务小到你一次就能审完：

• 写明页面、路由或网址。
• 写明你关心的状态：加载中、空数据、出错、成功。
• 批注留在具体的元素或区域上。
• 它改完，你自己再把页面看一遍。
• 打开本地页面前，让它先启动或检查一下开发服务器。

代码改动照旧在审阅面板里看、留评论（第 2 课）。

装之前先把桌面 App 更新到最新。Computer Use 设置里浏览器那一行的开关，管的是它出不出现在 @ 菜单里；网站权限要点 Manage 改。

三种用法

side chat 跟着打开它的那个标签页走；在 side chat 里开的对话，回到 App 里也能接着聊。Opera 没有 side chat，它的任务从桌面 App 里发起。

网站权限：四个选项

默认情况下，它每遇到一个新网站都会先问你，按网站的主机名问（比如 example.com）。点一个选项，看看后果。

允许名单和屏蔽名单在 Settings > Computer Use 里，点浏览器那一行的 Manage 管理。五种浏览器共用同一份网站权限。

装扩展时浏览器弹出的权限看着很大（读取和更改所有网站上的数据、读取和更改浏览历史、管理下载……）。这是扩展能干活的前提；真正用哪个网站、看不看历史，ChatGPT 还会按上面的规矩再问你。

用的时候，在任务里写 @Computer 或 @App 名字，或者直接说"用 Computer Use"。讲清楚要它操作哪个 App、哪个窗口、哪段流程。

用 Computer Use 打开这个 App，复现新手引导里的 bug，找到导致它的最小那段代码改掉。每改一次，把同一段界面流程再走一遍。

三道关

它能不能动某个 App，要连过三道关。三道关各管各的，谁也替不了谁。

通过桌面 App 改的文件，要等 App 真正存到磁盘、并且在项目的跟踪范围里，才会出现在审阅面板中。

适合做什么，做不到什么

Windows 上它占用前台

Windows 上，Computer Use 在当前桌面的前台干活，没法在后台做、同时让你用同一个桌面。它会移动鼠标、打字、把窗口切到前面；要操作的 App 必须在当前桌面上看得见。

想走开让它接着做：保持电脑解锁、联网，用手机的 Remote 看进度、发补充指示（第 13 课）；或者把桌面 App 装进一台 Windows 虚拟机，让它接管虚拟机而不是你的主桌面。

拍了发到哪个对话

默认的 Automatic 不是每次都新开对话。改改下面的设置，看它去哪。

macOS 上还有一种情况：桌面宠物的浮动控件开着、主窗口在后台时，Automatic 会从浮动控件里新开一个对话（要先在主窗口里完成 Appshots 的权限设置）。Windows 上 Appshot 在主窗口里打开。

什么时候用

• 把一页 API 文档拍给它，让它照着写一个脚本。
• 把一封邮件或日历拍给它，让它起草下一步。
• 把设计稿、图片编辑器或预览窗口拍给它，让它改相关的素材或代码。
• 把一个报错、设置面板或 App 状态拍给它：拍比描述省事。

和手动附一张截图（第 2 课）比，Appshot 多带了窗口里的文字，也省了截图、保存、拖进来这几步。不过 Google Docs、Gmail、Google Sheets、Google Slides 这类，它可能只拿到截图，拿不到整篇文档和屏幕外的文字；这时装了对应的插件，它会用插件去读。

在 CLI 里接着聊一个带 Appshot 的对话，附件还在对话历史里，但 CLI 拍不了新的。

它适合重复的、看个人习惯的、做比说容易的流程：报销、订车位、按规矩建工单、发视频、下载每周的报表。下面走一遍"按规矩建工单"。点"开始"一步步回放；中途有三张批准卡片，"允许"和"拒绝"两条路都能走通。

画面为教学示意：工单系统（tickets.example.com）、技能的内容和 Codex 说的话都是虚构的；录制入口、录制前的批准、网站权限的四个选项与官方文档一致。技能存在哪、叫什么名字，以你的 App 为准。

录得好的几个窍门

• 挑一个你本来就会做、步骤稳定、结果好判断的流程。
• 录之前先说清目标，以及哪些输入每次会变。
• 演示要短、要完整；做完就停，别顺手接着收拾别的。
• 用真实的输入，但别录密码和敏感数据。
• 录完再改一轮技能，写清录屏看不出来的偏好：命名习惯、字段默认值、要你拿主意的地方。

权限不是一层，是好几层

"项目默认不联网"管不到浏览器。第 3 课说的默认不联网，指的是沙箱里跑的命令和脚本。官方写明，命令的网络代理不过滤浏览器和 Computer Use 的活动；浏览器有自己的一套网站权限。所以默认档位下，内置浏览器照样能打开网站，只是第一次用某个网站会先问你。

Approve for me 也换不掉 App 批准。开了自动审查（Approve for me），"Computer Use 要访问一个新网站"这类请求可以交给它判断；但 Computer Use 要用某个 App 的批准，仍然直接问你本人。

开发者模式：看控制台、网络和性能

开发者模式让它用 Chrome 开发者工具协议（CDP）：分析 JavaScript 性能、看控制台输出和网络请求、检查 DOM 和生效的样式，在真实的浏览器里排查问题。内置浏览器和 Chrome 里的 Computer Use 都支持。

打开方法：Settings > Browser，在 Developer mode 下打开 Enable full CDP access。组织关掉了这个设置的话，你在本地打不开。内置浏览器用 @Browser；Chrome 要先装好扩展，再用 @Chrome。

这个应用很慢。用 @Browser 录一段性能追踪，看看网络请求，找出瓶颈。

Windows：把"总是允许"的 App 写进配置

Windows 上，Computer Use 把"以后都允许"的 App 存在 $CODEX_HOME/config.toml 里。你也可以自己写，列出不用问就能打开的 App：

[computer_use.windows]
always_allowed_app_ids = ["mspaint.exe"]

写 Windows Computer Use 报告的 App 标识：桌面 App 一般是可执行文件名，打包的 App 是 App User Model ID。不在名单里的 App 会问你。撤销：在 Settings > Computer Use > Always allow 里删掉。旧的 $CODEX_HOME/computer-use/config.toml 允许名单会自动迁移过来，它的 denied 列表不再生效。

管理员能关掉什么

企业管理员用 requirements.toml 统一管控（个人用户用不到，知道有这回事就行）：

本地配置只能在管理员的限制上再加限制，不能放宽。

顺带一提：图片输入与图片生成

生成的图可以在 App 里放大看、留批注，再让它接着改（详见页脚的 Image generation）。

常见问题