正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

新版 Codex/ChatGPT 支持在对话中打开 side panel 然后打开浏览器，而且支持直接加载 Chrome profile 复用你的登陆状态。这个功能太强了，直接牛逼！比较简单的是突破爬虫限制和自动化操作。我刚刚随便试了一个，就是让它帮我优化 X 的 For you feed，让它帮我把低质量信息 not interested 哈哈。

brucexu.eth

8,894 subscribers

31,261 次观看 • 20 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

🎬 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。

🎬 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

27,192 次观看 • 1 个月前

说实话，这才是我想要的AI该有的样子。前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴，你不用打开任何App，不用打字，只要对着屏幕说一句话，它就会分裂出一个小代理，直接帮你把活干了。你说，帮我把桌面这些乱七八糟的截图清理一下，它就自动给你分类归档。你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板，它就自己上网搜，自己整理，几分钟给你一个现成的表格。最离谱的是这个，你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

说实话，这才是我想要的AI该有的样子。前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴，你不用打开任何App，不用打字，只要对着屏幕说一句话，它就会分裂出一个小代理，直接帮你把活干了。你说，帮我把桌面这些乱七八糟的截图清理一下，它就自动给你分类归档。你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板，它就自己上网搜，自己整理，几分钟给你一个现成的表格。最离谱的是这个，你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

AYi

14,195 次观看 • 3 个月前

opencli 最强更新来袭！！！实现了 operate 能力！🎉 以后可以prompt直接操作浏览器，并且 CLI 无痛生成！！！ OpenCLI的目标是星辰大海！！！装上 SKILL 之后，就可以直接让 AI agent 操作我们的浏览器，然后沉淀为一个 CLI. 下图是CC执行 “opencli 帮我打开然后填写申请的效果” 另外 OpenCLI 两周生日了，1w star + 100 contributor 感谢大家！现在还在一直持续更新中！

opencli 最强更新来袭！！！实现了 operate 能力！🎉 以后可以prompt直接操作浏览器，并且 CLI 无痛生成！！！ OpenCLI的目标是星辰大海！！！装上 SKILL 之后，就可以直接让 AI agent 操作我们的浏览器，然后沉淀为一个 CLI. 下图是CC执行 “opencli 帮我打开然后填写申请的效果” 另外 OpenCLI 两周生日了，1w star + 100 contributor 感谢大家！现在还在一直持续更新中！

kabikabi

94,286 次观看 • 4 个月前

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

AYi

20,947 次观看 • 2 个月前

兄弟们，牛P了啊 ChatGPT的桌面版本新增了一项功能，允许GPT直接修改用户在Mac电脑上正在编辑的文件。也就是GPT能看到你当前打开的文档，然后你只需要通过聊天或者语音要求它修改什么，它就帮你自动完成。这一功能首先针对“集成开发环境”（IDE）进行优化和支持。它能看到你的屏幕内容，自动根据你的要求修改代码。

兄弟们，牛P了啊 ChatGPT的桌面版本新增了一项功能，允许GPT直接修改用户在Mac电脑上正在编辑的文件。也就是GPT能看到你当前打开的文档，然后你只需要通过聊天或者语音要求它修改什么，它就帮你自动完成。这一功能首先针对“集成开发环境”（IDE）进行优化和支持。它能看到你的屏幕内容，自动根据你的要求修改代码。

小互

60,598 次观看 • 1 年前

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。它最打动我的一点是：把最烦人的数据录入干掉了。很多公司每天都在做这种重复工作：复制数据 → 打开系统 → 填表 → 提交以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot）用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助语音 → 操作网页用户说话就能完成网页操作。和很多 Agent 不一样的是，它不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低而且整个系统直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化相当于给网站装了一个 AI 操作员。未来很多网站可能会变成这样：用户不点按钮，而是直接和 AI 说话。

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。它最打动我的一点是：把最烦人的数据录入干掉了。很多公司每天都在做这种重复工作：复制数据 → 打开系统 → 填表 → 提交以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot）用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助语音 → 操作网页用户说话就能完成网页操作。和很多 Agent 不一样的是，它不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低而且整个系统直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化相当于给网站装了一个 AI 操作员。未来很多网站可能会变成这样：用户不点按钮，而是直接和 AI 说话。

开发者Hailey

85,438 次观看 • 4 个月前

Claude Desktop 接管了我的 Chrome🐙 总算打通了！通过 MCP 协议，AI 现在可以直接操控浏览器打开网页、填表单、点按钮全部自动化上次用的是插件方案，这次直接走 Claude Desktop，放在浏览器旁边就行不用再多个窗口来回切很多自动化场景在浏览器上，这一步打通，后面的事就顺了一直在调的OpenClaw 小龙虾🦞就先放回池子里吧😂

Claude Desktop 接管了我的 Chrome🐙 总算打通了！通过 MCP 协议，AI 现在可以直接操控浏览器打开网页、填表单、点按钮全部自动化上次用的是插件方案，这次直接走 Claude Desktop，放在浏览器旁边就行不用再多个窗口来回切很多自动化场景在浏览器上，这一步打通，后面的事就顺了一直在调的OpenClaw 小龙虾🦞就先放回池子里吧😂

老张来了

66,773 次观看 • 4 个月前

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

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

47,253 次观看 • 2 个月前

哈哈哈哈。我把唱歌这个 KTV 机器破解了。它虽然怎么操作都会回到唱歌的软件，但是我发现长按设置可以跳到输入法，输入法的其他部分有个版权声明，版权声明可以蹦到浏览器，浏览器再回到桌面还是唱歌，所以我猜测它缺少一个 launcher. 于是我去浏览器下了个微软桌面和酷安。接着我就装了个微博。[坏笑] 哈哈哈哈哈。

哈哈哈哈。我把唱歌这个 KTV 机器破解了。它虽然怎么操作都会回到唱歌的软件，但是我发现长按设置可以跳到输入法，输入法的其他部分有个版权声明，版权声明可以蹦到浏览器，浏览器再回到桌面还是唱歌，所以我猜测它缺少一个 launcher. 于是我去浏览器下了个微软桌面和酷安。接着我就装了个微博。[坏笑] 哈哈哈哈哈。

Sunbelife 𝕏

300,164 次观看 • 2 年前

给你们看看豆包的另一面哈哈哈哈豆包语音大升级，现在是全双工语音对话了，可以像真人一样和你对话... 它可以边听你说话边处理信息，该等的时候它会等你把话说完，即使你嗯嗯啊啊的结巴，它也会耐心等你，该接的时候马上接，而且你可以随时打断它... 这个版本目前还可以通过设定让它骂人，好像马上就不行了，要优化掉了，官方正在修正你们抓紧试试，不然就不能骂人了😂

给你们看看豆包的另一面哈哈哈哈豆包语音大升级，现在是全双工语音对话了，可以像真人一样和你对话... 它可以边听你说话边处理信息，该等的时候它会等你把话说完，即使你嗯嗯啊啊的结巴，它也会耐心等你，该接的时候马上接，而且你可以随时打断它... 这个版本目前还可以通过设定让它骂人，好像马上就不行了，要优化掉了，官方正在修正你们抓紧试试，不然就不能骂人了😂

小互

74,399 次观看 • 3 个月前

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub：市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub：市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

高军

41,790 次观看 • 2 个月前

我敢说！苹果手机的iMessage绝对是严重被低估的应用之一！ 99%的人只会拿来收验证码！！而现在，iMessage能帮你"操控"手机App。没错，就是字面意思！！ Airtap（Airtap Ai）这次真是惊到我了！我上次用还是仅限安卓手机，而且还要安装app，没想到这次更新，苹果手机直接“零门槛”就能用！零门槛到什么程度，不用装App、不用注册、不用打开任何界面、也不需要额外配置，只需要打开iMessage，给这个号码发信息： +1-650-213-7322 然后，你就会发现新大陆！！和其他把iMessage当入口的AI聊天助手完全不同，你给它发信息，它是真的在后台替你操控App，体验下来真的很Nice，像是看到了未来手机的“only talk”形态，只需一个对话框，无需安装任何app。试了很多我平常要用手机做的一些高频事情，比如让它看YouTube爆款视频，从热门评论挖掘选题；让它对比同一款婴儿车在不同购物app的价格，并告诉我蹲低价的建议；让它帮我把内容发布到TikTok；我还让它蹲点，帮我签到抢优惠券；这些事情，我全程没有打开任何app，只需要在iMessage发信息，然后就能看到执行结果，言出法随的爽感直接拉满！不过还是有需要人介入的情况，就是第一次登录某个App或网站时，需要人工进行登陆，然后就不用其他操作。上面那个号码可以存下来，保存为常用联系人，这样你就会在手机上有了一个24小时常驻，能够代替你操控app的超级AI助手！我发了一条信息，它打开TikTok帮我发布了一条内容！怎么说呢，这种体验真的比一些Agent要奇妙的多！ #justtextit #textyourapps #airtap

我敢说！苹果手机的iMessage绝对是严重被低估的应用之一！ 99%的人只会拿来收验证码！！而现在，iMessage能帮你"操控"手机App。没错，就是字面意思！！ Airtap（Airtap Ai）这次真是惊到我了！我上次用还是仅限安卓手机，而且还要安装app，没想到这次更新，苹果手机直接“零门槛”就能用！零门槛到什么程度，不用装App、不用注册、不用打开任何界面、也不需要额外配置，只需要打开iMessage，给这个号码发信息： +1-650-213-7322 然后，你就会发现新大陆！！和其他把iMessage当入口的AI聊天助手完全不同，你给它发信息，它是真的在后台替你操控App，体验下来真的很Nice，像是看到了未来手机的“only talk”形态，只需一个对话框，无需安装任何app。试了很多我平常要用手机做的一些高频事情，比如让它看YouTube爆款视频，从热门评论挖掘选题；让它对比同一款婴儿车在不同购物app的价格，并告诉我蹲低价的建议；让它帮我把内容发布到TikTok；我还让它蹲点，帮我签到抢优惠券；这些事情，我全程没有打开任何app，只需要在iMessage发信息，然后就能看到执行结果，言出法随的爽感直接拉满！不过还是有需要人介入的情况，就是第一次登录某个App或网站时，需要人工进行登陆，然后就不用其他操作。上面那个号码可以存下来，保存为常用联系人，这样你就会在手机上有了一个24小时常驻，能够代替你操控app的超级AI助手！我发了一条信息，它打开TikTok帮我发布了一条内容！怎么说呢，这种体验真的比一些Agent要奇妙的多！ #justtextit #textyourapps #airtap

沐阳

150,680 次观看 • 17 天前

想让 AI 帮我们自动操作浏览器，比如抓取数据或填写表单，过去需要编写复杂的 Selenium 或 Puppeteer 代码，门槛确实不低。最近在 GitHub 发现 BrowserWing 这个开源项目，可以充当了 LLM 大模型与本地浏览器之间的桥梁。支持可视化脚本录制，能像按录像机一样记录我们在浏览器的操作，随后可直接回放或转为脚本，无需我们手写代码。并且支持 MCP 和 Skills 协议，可以让 Claude 等 AI 助手直接接管浏览器，用自然语言指令完成“打开网页、搜索内容、提取数据” 等任务。另外还支持智能数据提取，利用模型做内容分析，兼容 OpenAI、Claude 等多个模型。并且提供稳定的会话管理，能处理 Cookie 和数据存储，可以一直保持登录状态。提供 npm、pnpm 安装方式，也有 Linux、macOS、Windows 的一键安装脚本，或者直接下载预编译包运行。

想让 AI 帮我们自动操作浏览器，比如抓取数据或填写表单，过去需要编写复杂的 Selenium 或 Puppeteer 代码，门槛确实不低。最近在 GitHub 发现 BrowserWing 这个开源项目，可以充当了 LLM 大模型与本地浏览器之间的桥梁。支持可视化脚本录制，能像按录像机一样记录我们在浏览器的操作，随后可直接回放或转为脚本，无需我们手写代码。并且支持 MCP 和 Skills 协议，可以让 Claude 等 AI 助手直接接管浏览器，用自然语言指令完成“打开网页、搜索内容、提取数据” 等任务。另外还支持智能数据提取，利用模型做内容分析，兼容 OpenAI、Claude 等多个模型。并且提供稳定的会话管理，能处理 Cookie 和数据存储，可以一直保持登录状态。提供 npm、pnpm 安装方式，也有 Linux、macOS、Windows 的一键安装脚本，或者直接下载预编译包运行。

GitHubDaily

20,013 次观看 • 6 个月前

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。

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

32,023 次观看 • 2 个月前

经常用 Codex、Claude Code 做网页自动化？试试 ego-lite。不是 Playwright 那种另开浏览器，而是你和 Agent 共用一个浏览器：各干各的，互不抢标签页。登录态、Cookie、扩展直接继承，不用反复登录。每个 Agent 有独立 Spaces，支持并行跑多个任务。用 JS 调用，复杂任务最高快 2.5 倍，Token 更少。支持 Codex、Claude Code、Cursor 等。目前 Mac 可用，Win/Linux 在规划。适合操作需要登录的后台、CRM、社媒等。

经常用 Codex、Claude Code 做网页自动化？试试 ego-lite。不是 Playwright 那种另开浏览器，而是你和 Agent 共用一个浏览器：各干各的，互不抢标签页。登录态、Cookie、扩展直接继承，不用反复登录。每个 Agent 有独立 Spaces，支持并行跑多个任务。用 JS 调用，复杂任务最高快 2.5 倍，Token 更少。支持 Codex、Claude Code、Cursor 等。目前 Mac 可用，Win/Linux 在规划。适合操作需要登录的后台、CRM、社媒等。

开发者Hailey

12,685 次观看 • 4 天前

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。 Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。【3】内置浏览器：给开发者的沙盒内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。 Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。【选哪个？】简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。

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。 Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。【3】内置浏览器：给开发者的沙盒内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。 Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。【选哪个？】简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。

宝玉

179,686 次观看 • 1 个月前

Chrome 浏览器现在支持分屏了可以在一个界面，打开两个标签，这样你就不用来回切换了比如我经常在GPT和我的网站之间来回复制粘贴切换很麻烦现在很方便了...🥲 教程见2楼

Chrome 浏览器现在支持分屏了可以在一个界面，打开两个标签，这样你就不用来回切换了比如我经常在GPT和我的网站之间来回复制粘贴切换很麻烦现在很方便了...🥲 教程见2楼

小互

111,616 次观看 • 8 个月前

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub：主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub：主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

GitHubDaily

35,779 次观看 • 1 年前