Загрузка видео...

Не удалось загрузить видео

На главную

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。 【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring 都能控制。 代价是慢。结构化插件可以直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用，这是其他方式做不到的。 Mac 和 Windows 的体验差距很大：Mac 上 Codex 可以在后台静悄悄地操作，你继续用自己的电脑不受影响；Windows 上它必须占据前台，操作期间你没法用那台机器。 Jason 举了个例子：有次他的快递被偷了，Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款流程。他去洗了个澡，回来退款已经办好了。 【2】Chrome 扩展：带着你的登录状态 Chrome 扩展让 Codex 使用你已登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录才能用的工具，Chrome 扩展是对的选择。 它还能同时控制多个标签页，在一个标签里读信息，到另一个标签里对比，再到第三个标签完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标，Chrome 扩展理解的是浏览器层面的上下文。...

dotey's profile picture

宝玉

231,395 subscribers

178,358 просмотров • 1 месяц назад •via X (Twitter)

ОбразованиеНаука и технологии
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

🎬 90% 的人没用明白 Codex。 因为一开始就把它当成了 ChatGPT。 但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。 我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。 当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。
17:56

🎬 90% 的人没用明白 Codex。 因为一开始就把它当成了 ChatGPT。 但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。 我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。 当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,025 просмотров • 1 месяц назад

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。
1:21

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。

歸藏(guizang.ai)

62,527 просмотров • 11 месяцев назад

Codex 最新动态： 从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。 无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。 本视频由 baocut 翻译
7:12

Codex 最新动态： 从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。 无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。 本视频由 baocut 翻译

宝玉

37,498 просмотров • 3 дней назад

🧵 Codex 深度拆解 完整视频 Codex 不只是个聊天框，而是能帮你从 Web 应用一路做到桌面客户端、甚至远程操控电脑的全栈开发平台。 视频里详细拆解了 10 个核心功能： 1. 用 Annotate 框选预览区直接改 UI，比反复打字描述更直观 2. 通过 Fork 功能复制会话，配合 Git worktree 实现并行开发不冲突 3. 创建 AGENTS.md 文件，让 Codex 每次自动执行 Git Commit 等全局指令 4. 安装 Computer Use 和 Chrome Plugin，让 Codex 自动操作浏览器和电脑 5. 设置定时任务，每天自动审查代码，再通过 Codex Mobile 用手机远程下发指令 看完这个视频，你就能把 Codex 从玩具变成真正能 7x24 小时帮你干活的 AI 开发助手。
58:41

🧵 Codex 深度拆解 完整视频 Codex 不只是个聊天框，而是能帮你从 Web 应用一路做到桌面客户端、甚至远程操控电脑的全栈开发平台。 视频里详细拆解了 10 个核心功能： 1. 用 Annotate 框选预览区直接改 UI，比反复打字描述更直观 2. 通过 Fork 功能复制会话，配合 Git worktree 实现并行开发不冲突 3. 创建 AGENTS.md 文件，让 Codex 每次自动执行 Git Commit 等全局指令 4. 安装 Computer Use 和 Chrome Plugin，让 Codex 自动操作浏览器和电脑 5. 设置定时任务，每天自动审查代码，再通过 Codex Mobile 用手机远程下发指令 看完这个视频，你就能把 Codex 从玩具变成真正能 7x24 小时帮你干活的 AI 开发助手。

Martin

50,790 просмотров • 1 месяц назад

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。 单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。 这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。 如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。
0:30

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。 单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。 这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。 如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。

Xudong Han

26,230 просмотров • 3 дней назад

Claude上线Computer Use功能 能完全自动化操作你的电脑，这还只是第一个版本，效果就已经非常稳了。 有MCP的应用，优先通过MCP来操作；没有MCP的，直接截屏一步步通过GUI操作，理论上讲能操作任意应用。 单次执行任务可以长达几十分钟，而且是真的能完成。 牛，太牛了。 我下达的命令：打开微信，根据微信群“Gorden的AI交流群”里的最近30条消息，写一段话承接群里的消息，然后抛出新的可以讨论的话题，并把以上内容直接发送到群里。 跑了20分钟完成了，我拍了整个过程，视频无删减只有加速。 结合Dispatch，可以实现手机遥控电脑操作其他应用；结合定时任务，可以每天定时操作应用（这2个功能是之前就已经上线的） 目前还有几个明显的缺点： 1、通过截屏操作太慢了，一步步截屏和识别非常费时间；MCP会好很多，以后应用CLI化会更好； 2、费token，上面的任务，费了我Pro订阅的30%的5h额度，就只是发了这么一条消息； 3、权限机制目前比较保守，需要你反复授权；
1:15

Claude上线Computer Use功能 能完全自动化操作你的电脑，这还只是第一个版本，效果就已经非常稳了。 有MCP的应用，优先通过MCP来操作；没有MCP的，直接截屏一步步通过GUI操作，理论上讲能操作任意应用。 单次执行任务可以长达几十分钟，而且是真的能完成。 牛，太牛了。 我下达的命令：打开微信，根据微信群“Gorden的AI交流群”里的最近30条消息，写一段话承接群里的消息，然后抛出新的可以讨论的话题，并把以上内容直接发送到群里。 跑了20分钟完成了，我拍了整个过程，视频无删减只有加速。 结合Dispatch，可以实现手机遥控电脑操作其他应用；结合定时任务，可以每天定时操作应用（这2个功能是之前就已经上线的） 目前还有几个明显的缺点： 1、通过截屏操作太慢了，一步步截屏和识别非常费时间；MCP会好很多，以后应用CLI化会更好； 2、费token，上面的任务，费了我Pro订阅的30%的5h额度，就只是发了这么一条消息； 3、权限机制目前比较保守，需要你反复授权；

Gorden Sun

49,090 просмотров • 3 месяцев назад

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。 之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。 目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。
0:27

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。 之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。 目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。

钟二信

23,961 просмотров • 26 дней назад

牛P了 Codex推出一个 Record & Replay功能 也就是你可以教Codex干活 你把你在电脑上经常操作的人物给它演示一遍 Codex 会观察学习你的整个操作过程，然后自动生成一个 Skill 技能... 下次遇到同样的任务，Codex 就能按照你教它的流程和操作替直接替你干活... 官方拿"发 YouTube 视频"来演示： 他手动走一遍全套流程，拉元数据、配缩略图和英文字幕、上传存成私密、逐项核对。Codex 就在旁边看着，看完把整套流程记成了一个可复用的技能。 然后他新开一个对话，挂上下一条视频，Codex 自己照着全做完了，一步没差。 而且不只是发视频，你平时那些重复的电脑活都行: • 每个月报销，贴发票、填那张固定的单子 • 把一堆乱命名的文件批量重命名、归档 • 每周把数据导出来，填进固定的周报表 • 网上订票订酒店，重复填一遍又一遍的信息 干活的时候它自己调电脑操作、浏览器、你连的那些插件，组合着把事办完。 你不用再教 AI 每一步怎么做，只要做给它看一次,下次它就替你做... 从"每次写提示词"到"演示一次就够"，这是一个跨越...
2:04

牛P了 Codex推出一个 Record & Replay功能 也就是你可以教Codex干活 你把你在电脑上经常操作的人物给它演示一遍 Codex 会观察学习你的整个操作过程，然后自动生成一个 Skill 技能... 下次遇到同样的任务，Codex 就能按照你教它的流程和操作替直接替你干活... 官方拿"发 YouTube 视频"来演示： 他手动走一遍全套流程，拉元数据、配缩略图和英文字幕、上传存成私密、逐项核对。Codex 就在旁边看着，看完把整套流程记成了一个可复用的技能。 然后他新开一个对话，挂上下一条视频，Codex 自己照着全做完了，一步没差。 而且不只是发视频，你平时那些重复的电脑活都行: • 每个月报销，贴发票、填那张固定的单子 • 把一堆乱命名的文件批量重命名、归档 • 每周把数据导出来，填进固定的周报表 • 网上订票订酒店，重复填一遍又一遍的信息 干活的时候它自己调电脑操作、浏览器、你连的那些插件，组合着把事办完。 你不用再教 AI 每一步怎么做，只要做给它看一次,下次它就替你做... 从"每次写提示词"到"演示一次就够"，这是一个跨越...

小互

88,261 просмотров • 29 дней назад

🚀 Chrome 146 刚刚发布！ 现在，只需 一个开关，就能把你当前的 Chrome 浏览器会话暴露给 MCP，让你的 CLI AI 代理直接在 真实页面里操作。 📌 不用启动新浏览器 📌 直接利用你当前的标签页 📌 读取内容、点击、注入 JS……想做什么就做什么 你会用这个能力做什么？🤔 🔗 项目地址：👇
0:26

🚀 Chrome 146 刚刚发布！ 现在，只需 一个开关，就能把你当前的 Chrome 浏览器会话暴露给 MCP，让你的 CLI AI 代理直接在 真实页面里操作。 📌 不用启动新浏览器 📌 直接利用你当前的标签页 📌 读取内容、点击、注入 JS……想做什么就做什么 你会用这个能力做什么？🤔 🔗 项目地址：👇

axiaisacat

99,331 просмотров • 4 месяцев назад

介绍 Memoh Desktop，一个多智能体桌面应用。 过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。 在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。 这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。 下载链接见评论区。
1:16

介绍 Memoh Desktop，一个多智能体桌面应用。 过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。 在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。 这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。 下载链接见评论区。

📦Acbox

47,369 просмотров • 2 месяцев назад

终于有一个 AI，可以直接操作电脑的任何应用了——Bytebot。 不是插件，不是 API。 是它真的在你屏幕上干活：开浏览器、登账号、过验证、下文件、填表格、发邮件。 你只需要一句话： 「帮我把这个月的发票下载整理好发给财务」 它会自己完成：登录 → 下载 → 整理 → 发邮件。 从头到尾，你不用盯着。 中间卡住，它会停下来等你接管，处理完再继续。 做完之后，每一步都有记录，能回放它到底干了什么。 本地部署，数据不出门；开源 + Docker，两分钟跑起来。 AI 从工具，变成员工。 干活，已经不需要人类操心了。
0:36

终于有一个 AI，可以直接操作电脑的任何应用了——Bytebot。 不是插件，不是 API。 是它真的在你屏幕上干活：开浏览器、登账号、过验证、下文件、填表格、发邮件。 你只需要一句话： 「帮我把这个月的发票下载整理好发给财务」 它会自己完成：登录 → 下载 → 整理 → 发邮件。 从头到尾，你不用盯着。 中间卡住，它会停下来等你接管，处理完再继续。 做完之后，每一步都有记录，能回放它到底干了什么。 本地部署，数据不出门；开源 + Docker，两分钟跑起来。 AI 从工具，变成员工。 干活，已经不需要人类操心了。

开发者Hailey

49,352 просмотров • 3 месяцев назад

兄弟们 这个有点 6 Manus 发布 Manus Browser Operator 一个浏览器扩展，可以将任何浏览器变成 AI 浏览器 它能够自动化各种复杂的浏览器操作 支持访问受保护的网站和系统，如研究平台和 CRM 工具 AI 的操作行为被系统视为来自用户本地的浏览器与 IP，因此： 不会触发额外登录验证或验证码； 可直接访问受信任的内部系统； 能长期保持会话活跃，避免过期中断。
0:59

兄弟们 这个有点 6 Manus 发布 Manus Browser Operator 一个浏览器扩展，可以将任何浏览器变成 AI 浏览器 它能够自动化各种复杂的浏览器操作 支持访问受保护的网站和系统，如研究平台和 CRM 工具 AI 的操作行为被系统视为来自用户本地的浏览器与 IP，因此： 不会触发额外登录验证或验证码； 可直接访问受信任的内部系统； 能长期保持会话活跃，避免过期中断。

小互

22,977 просмотров • 8 месяцев назад

谷歌Chrome刚刚解锁了“上帝模式”，原生集成Gemini+垂直标签+技能商店，直接降维打击！ 这是一个完全免费，但能极大提升你搞钱效率的“信息差”玩法。今天拿Chrome最新隐藏功能拆解： 1⃣ 开启垂直标签：地址栏输入 chrome://flags，搜索“vertical”，点击Enabled。瞬间拥有Arc同款侧边栏，多任务处理效率翻倍。 2⃣ 解锁技能商店：在flags里搜索“skills”并开启。访问 chrome://skills/browse，这里有官方内置的AI技能库（如一键调研公司、食谱规划），不用装任何插件。 3⃣ 召唤Gemini侧边栏：点击右上角“Ask Gemini”，它能实时读取你当前页面，甚至跨标签页对比数据（比如同时打开三个竞品页，让它总结差异）。 4⃣ 深度整合：这不仅仅是个浏览器，这是谷歌给你配的免费AI员工。 整个过程不需要你懂任何代码，只要改两个设置，你的浏览器就进化了。 别去当那些AI浏览器的韭菜了，核心逻辑是“生态降维”。谷歌不需要做新浏览器，它只需要把AI塞进你每天都在用的Chrome里，其他人就得死。
2:01

谷歌Chrome刚刚解锁了“上帝模式”，原生集成Gemini+垂直标签+技能商店，直接降维打击！ 这是一个完全免费，但能极大提升你搞钱效率的“信息差”玩法。今天拿Chrome最新隐藏功能拆解： 1⃣ 开启垂直标签：地址栏输入 chrome://flags，搜索“vertical”，点击Enabled。瞬间拥有Arc同款侧边栏，多任务处理效率翻倍。 2⃣ 解锁技能商店：在flags里搜索“skills”并开启。访问 chrome://skills/browse，这里有官方内置的AI技能库（如一键调研公司、食谱规划），不用装任何插件。 3⃣ 召唤Gemini侧边栏：点击右上角“Ask Gemini”，它能实时读取你当前页面，甚至跨标签页对比数据（比如同时打开三个竞品页，让它总结差异）。 4⃣ 深度整合：这不仅仅是个浏览器，这是谷歌给你配的免费AI员工。 整个过程不需要你懂任何代码，只要改两个设置，你的浏览器就进化了。 别去当那些AI浏览器的韭菜了，核心逻辑是“生态降维”。谷歌不需要做新浏览器，它只需要把AI塞进你每天都在用的Chrome里，其他人就得死。

Vincent

239,191 просмотров • 2 месяцев назад

又到了新品发布的时间（怎么晚了一天？ 本周的每周更新是 MouseDo —— Computer use 的独立 App！现在你可以直接让 LLM 控制你的电脑做「任何」事情了。 今天 Agent 给你写代码，可以解决你 60% 的需求。 通过定制化的 Cli，可以解决你剩下的 30% 需求。 最后，GUI 操作，通过 Computer use 能够实现你最后 10% 的 需求。 相信各位用 Claw 的都遇到过，需要配置一个什么 key，必须要的点一下电脑的情况。现在你可以通过 MouseDo 自己化完成！ 亮点： 1. Codex 同款技术，不会 block 你的其他操作，Agent 用一套，你自己用一套。 2. MCP 支持，你可以让 Claude Code /OpenClaw Peter Steinberger 🦞 / Nous Research 用上 Codex 同款 Computer Use。 3. 使用 Codex 订阅。 4. 目前免费。 欢迎下载体验
1:03

又到了新品发布的时间（怎么晚了一天？ 本周的每周更新是 MouseDo —— Computer use 的独立 App！现在你可以直接让 LLM 控制你的电脑做「任何」事情了。 今天 Agent 给你写代码，可以解决你 60% 的需求。 通过定制化的 Cli，可以解决你剩下的 30% 需求。 最后，GUI 操作，通过 Computer use 能够实现你最后 10% 的 需求。 相信各位用 Claw 的都遇到过，需要配置一个什么 key，必须要的点一下电脑的情况。现在你可以通过 MouseDo 自己化完成！ 亮点： 1. Codex 同款技术，不会 block 你的其他操作，Agent 用一套，你自己用一套。 2. MCP 支持，你可以让 Claude Code /OpenClaw Peter Steinberger 🦞 / Nous Research 用上 Codex 同款 Computer Use。 3. 使用 Codex 订阅。 4. 目前免费。 欢迎下载体验

Hwang

46,478 просмотров • 2 месяцев назад

字节跳动开源了一个能直接操控你电脑的 AI 叫 UI-TARS，开源免费，本地运行 你用说话的方式告诉它： 「帮我在 Priceline 订9月1日最早的旧金山到纽约的机票」 「帮我把 VS Code 的自动保存延迟设置成500毫秒」 「帮我查一下杭州这个月的天气然后画成图表」 它不是帮你写代码 它是直接看着你的屏幕，自己动鼠标键盘去做 浏览器和桌面应用都能操控 MCP 工具全部打通 模型大小 2B / 7B / 72B 任选，本地跑 Anthropic 的 Computer Use 要收费 OpenAI 的 Operator 要会员 字节直接开源了整个技术栈 这是国内大厂开源最有诚意的一个项目之一 没有之一
0:22

字节跳动开源了一个能直接操控你电脑的 AI 叫 UI-TARS，开源免费，本地运行 你用说话的方式告诉它： 「帮我在 Priceline 订9月1日最早的旧金山到纽约的机票」 「帮我把 VS Code 的自动保存延迟设置成500毫秒」 「帮我查一下杭州这个月的天气然后画成图表」 它不是帮你写代码 它是直接看着你的屏幕，自己动鼠标键盘去做 浏览器和桌面应用都能操控 MCP 工具全部打通 模型大小 2B / 7B / 72B 任选，本地跑 Anthropic 的 Computer Use 要收费 OpenAI 的 Operator 要会员 字节直接开源了整个技术栈 这是国内大厂开源最有诚意的一个项目之一 没有之一

axiaisacat

47,160 просмотров • 2 месяцев назад

一句话告诉 Agent 要操控哪个网站，它自动帮你生成 CLI 工具，直接走你已登录的 Chrome 浏览器，不用调 API 或搞 token。 x-cli 的玩法是装上 Kimi WebBridge 插件后，对 Agent 说一句"帮我给某网站做个 CLI"，Agent 会先问你要哪些功能，然后自己去分析页面、写代码、生成工具。最后你拿到的 CLI 能直接控制你 Chrome 里已登录的会话，不走 API。仓库里给了四个成品：百度搜素、Google 搜索加抓取、Nano Banana 出图、ChatGPT 出图，都是 Go 写的。
2:27

一句话告诉 Agent 要操控哪个网站，它自动帮你生成 CLI 工具，直接走你已登录的 Chrome 浏览器，不用调 API 或搞 token。 x-cli 的玩法是装上 Kimi WebBridge 插件后，对 Agent 说一句"帮我给某网站做个 CLI"，Agent 会先问你要哪些功能，然后自己去分析页面、写代码、生成工具。最后你拿到的 CLI 能直接控制你 Chrome 里已登录的会话，不走 API。仓库里给了四个成品：百度搜素、Google 搜索加抓取、Nano Banana 出图、ChatGPT 出图，都是 Go 写的。

Geek Lite

31,896 просмотров • 2 месяцев назад

妈的，终于把 Chrome 上的 Gemini 开了 录个视频教大家怎么开启 如果你也跟我一样，所有的方法都用了，还是不行，而且你是 macOS 系统的话。 你直接把系统语言改成英文，它重启后就出来了。 首先就是 Chrome 的设置： 1. 把 Gemini 相关的所有开关都打开 2. 然后再把所有的 Chrome 浏览器地区设置成美国 这个流程可以用命令行去完成，也可以用现成的项目（如下面所发）去完成 然后关于谷歌账号和系统的设置： 1. 把你的 Google 账号地区改成美国 2. 把 Google 账号语言设置成英文 3. 刚才我提到的 Google 浏览器也需要改成英文 在 macOS 上，如果想把 Google 浏览器改成英文界面，需要把你整个系统语言都设置成英文
3:56

妈的，终于把 Chrome 上的 Gemini 开了 录个视频教大家怎么开启 如果你也跟我一样，所有的方法都用了，还是不行，而且你是 macOS 系统的话。 你直接把系统语言改成英文，它重启后就出来了。 首先就是 Chrome 的设置： 1. 把 Gemini 相关的所有开关都打开 2. 然后再把所有的 Chrome 浏览器地区设置成美国 这个流程可以用命令行去完成，也可以用现成的项目（如下面所发）去完成 然后关于谷歌账号和系统的设置： 1. 把你的 Google 账号地区改成美国 2. 把 Google 账号语言设置成英文 3. 刚才我提到的 Google 浏览器也需要改成英文 在 macOS 上，如果想把 Google 浏览器改成英文界面，需要把你整个系统语言都设置成英文

歸藏(guizang.ai)

291,417 просмотров • 5 месяцев назад

我用Codex重建了自己的知识库，发现一件事： 大多数人的Obsidian，本质上是个高级剪贴板。 笔记存进去，就再也没出来过。 问题不在工具，在于缺了一个会”思考”的中间层。 Codex的出现，补上了这个缺口。 它不是另一个AI聊天框，而是OpenAI专门为知识工作设计的编码代理——能读懂你的文件结构，能跨文档检索，能把零散的信息片段重新组织成有逻辑的输出。 接入Obsidian之后，发生了什么变化？ 以前：我记录一篇投资笔记，它就躺在某个文件夹里。 现在：Codex能跨越我三年积累的vault，把巴菲特笔记、行业分析、个人反思串联起来，给我一个没想到的视角。 这不是搜索，是知识的重新激活。 本教程会手把手带你完成三件事： 一、配置Codex读取本地Obsidian vault的权限和路径； 二、建立让AI真正”看懂”你笔记的文件命名与标签规范； 三、设计5个高频prompt模板，让Codex帮你做知识综合、生成MOC（内容地图）、以及输出可直接发布的内容草稿。 适合有Obsidian使用基础、对AI工作流感兴趣、但还没找到高效接入方式的知识工作者。 跟着视频做一遍，你的vault会第一次真正”活”起来。
13:22

我用Codex重建了自己的知识库，发现一件事： 大多数人的Obsidian，本质上是个高级剪贴板。 笔记存进去，就再也没出来过。 问题不在工具，在于缺了一个会”思考”的中间层。 Codex的出现，补上了这个缺口。 它不是另一个AI聊天框，而是OpenAI专门为知识工作设计的编码代理——能读懂你的文件结构，能跨文档检索，能把零散的信息片段重新组织成有逻辑的输出。 接入Obsidian之后，发生了什么变化？ 以前：我记录一篇投资笔记，它就躺在某个文件夹里。 现在：Codex能跨越我三年积累的vault，把巴菲特笔记、行业分析、个人反思串联起来，给我一个没想到的视角。 这不是搜索，是知识的重新激活。 本教程会手把手带你完成三件事： 一、配置Codex读取本地Obsidian vault的权限和路径； 二、建立让AI真正”看懂”你笔记的文件命名与标签规范； 三、设计5个高频prompt模板，让Codex帮你做知识综合、生成MOC（内容地图）、以及输出可直接发布的内容草稿。 适合有Obsidian使用基础、对AI工作流感兴趣、但还没找到高效接入方式的知识工作者。 跟着视频做一遍，你的vault会第一次真正”活”起来。

概率鹿梦｜AI Wealth Edge

27,193 просмотров • 29 дней назад

BrowserSkill 是腾讯开源的本地桥接工具，为 Cursor、Claude Code、Codex 等能调用 shell 的 AI 智能体提供桥接，让它们操作你已登录的浏览器而不打断你的正常工作。 智能体通过 shell 调用 bsk 命令发起浏览器任务，本地守护进程经 WebSocket 把请求转给扩展，扩展在独立的 Agent Window 中执行，不触碰用户其他窗口。 复用真实登录态，遇到验证码、登录或确认弹窗时触发人工接管，再交回智能体继续；兼容 macOS、Linux、Windows 上的 Chrome 和 Edge。
0:57

BrowserSkill 是腾讯开源的本地桥接工具，为 Cursor、Claude Code、Codex 等能调用 shell 的 AI 智能体提供桥接，让它们操作你已登录的浏览器而不打断你的正常工作。 智能体通过 shell 调用 bsk 命令发起浏览器任务，本地守护进程经 WebSocket 把请求转给扩展，扩展在独立的 Agent Window 中执行，不触碰用户其他窗口。 复用真实登录态，遇到验证码、登录或确认弹窗时触发人工接管，再交回智能体继续；兼容 macOS、Linux、Windows 上的 Chrome 和 Edge。

Geek

24,384 просмотров • 9 дней назад

Windows 有救了？ Codex 昨晚又发布了大量体验更新，很多都超级有用，尤其是对 Windows 用户。 大家最期待的支持了 Windows 的 computer Use，以及通过移动端的 ChatGPT 远程控制 Windows 上的 Codex。 但是 Windows 上的 Computer Use，在它控制的时候你是不能控制的。这跟 Mac 上的不太一样。 聊天记录控制功能：能够控制你的聊天记录，比如置顶、查找、创建新的归类、存档等一系列操作。 新增个人资料页面：能看到你消耗的 Token、连续登录天数、最长的任务。 ChatGPT 上的 Codex 控制，现在支持了以下功能： 侧边对话：你可以不打断主对话，新开一个分支继续跟 AI 基于当前项目或任务进行对话，输入/side 开启 一键模型切换：通过长按即可快速切换模型。 iPad 专属快捷方式：支持从快捷方式直接进入 Codex，无需通过侧边栏切换。 Git Diff 显示：对话结束后，系统会显示 Git 上的 Diff，即你代码编辑的不同部分。
3:21

Windows 有救了？ Codex 昨晚又发布了大量体验更新，很多都超级有用，尤其是对 Windows 用户。 大家最期待的支持了 Windows 的 computer Use，以及通过移动端的 ChatGPT 远程控制 Windows 上的 Codex。 但是 Windows 上的 Computer Use，在它控制的时候你是不能控制的。这跟 Mac 上的不太一样。 聊天记录控制功能：能够控制你的聊天记录，比如置顶、查找、创建新的归类、存档等一系列操作。 新增个人资料页面：能看到你消耗的 Token、连续登录天数、最长的任务。 ChatGPT 上的 Codex 控制，现在支持了以下功能： 侧边对话：你可以不打断主对话，新开一个分支继续跟 AI 基于当前项目或任务进行对话，输入/side 开启 一键模型切换：通过长按即可快速切换模型。 iPad 专属快捷方式：支持从快捷方式直接进入 Codex，无需通过侧边栏切换。 Git Diff 显示：对话结束后，系统会显示 Git 上的 Diff，即你代码编辑的不同部分。

歸藏(guizang.ai)

36,877 просмотров • 1 месяц назад