夜雨聆风以为AI只能聊聊天、写写代码？
想让Codex替你操控电脑？
Browser Use · Chrome扩展 · Computer Use 三种操控方式全拆解（附实战案例）
$ codex-ctrl --modes 3 --saved 6h
3种
操控方式
省6小时
重复劳动
30秒
一句话搞定
▸ CONTENTS
滑动 →
PART 01
痛点诊断
重复操作浪费多少时间
PART 02
建设机制
三种操控方式拆解
PART 03
流程拆解
3个实战案例
拓展
思考未来
下一级玩法
01
PART
痛点诊断：重复的网页操作，浪费了多少时间
PAIN POINT · WHY AUTOMATE
你有没有这种时候：每天打开电脑，先查一波数据、再填几个表单、截几张图、复制粘贴整理成文档。一套下来半小时过去了，但仔细一想，这些破事AI完全能替我干啊。问题是，我也不知道怎么让AI替我干。
大家好，我是后人，一个专注AI工具、AI绘画、AI视频、AI副业案例分享的自媒体博主，你在AI学习道路上的陪伴者。
说实话，Codex前4期的能力都很强，但真正让我觉得"这家伙是个助理而不是工具"的，是今天这个能力——让AI直接操控你的电脑。不是给你建议，是直接上手干。我试了3天，省了至少6小时的重复劳动。
接下来是保姆级实操过程，纯干货分享，建议保存转发～
想想你每天在电脑上做的重复操作：
→ 打开浏览器，搜数据，复制，贴到表格
→ 打开某个后台，填表单，提交，截图确认
→ 打开备忘录，记东西，整理，归档
这些操作有个共同点——每一步都很简单，但加起来极其耗时。而且你心里清楚：这事完全可以让AI干，但你就是不知道怎么搞。
写脚本？不会。学RPA工具？学起来比手工干还累。
Codex的 Browser Use 和 Computer Use 就是来填这个坑的。不需要你写一行代码，说人话就能让AI替你操作浏览器和桌面软件。
02
PART
建设机制：Browser Use + Computer Use 三种操控方式
ARCHITECTURE · THREE MODES
Codex操控电脑有三种方式，适用场景完全不同。
▸ Browser Use（浏览器操控）
Browser Use 是让AI自动打开内置浏览器，执行搜索、点击、填表、截图等操作。你用 @浏览器 就能召唤它。
适合干什么：
数据采集：搜最新的AI融资新闻，汇总成表格
信息汇总：打开几个网站，把价格信息整理出来
截图取证：打开面试刷题网站，找到AI面试题并截图
特点是 速度快、tokens消耗低。Codex内置浏览器，不需要你提前打开什么，它自己就能开。
▸ Chrome扩展（浏览器操控·进阶版）
如果要在 已登录的网站 上操作（比如你自己的公众号后台、飞书文档、邮件系统），就需要 Chrome扩展。
安装Codex的Chrome扩展后，AI能操控你电脑上正在运行的Chrome浏览器。保留你的登录态，就像你本人在操作一样。用 @Chrome 召唤。
适合干什么：
操作已登录的后台：帮我把草稿箱里的文章截图
抓取你自己的数据：获取我收藏夹里的所有链接
▸ Computer Use（电脑操控）
Computer Use 是最炸裂但也是最"重"的模式。AI直接看你的屏幕，移动鼠标、点击按钮、打字输入，就像有个透明人在替你操作电脑。用 @电脑 召唤。
适合干什么：
操作桌面应用：备忘录、音乐播放器、微信
跨应用操作：把网页里的内容记到备忘录
无API的场景：那些不能通过浏览器或终端操作的老软件
但注意——Computer Use效率偏低、烧tokens、且目前macOS only。我试过一个任务，直接烧了将近 8万tokens。所以使用建议很明确：
能用终端和浏览器解决的，别用Computer Use。
▸ 使用建议速查
场景
用哪个
理由
搜信息、截图、采集公开数据
Browser Use
最快，最省tokens
操作已登录的网站后台
Chrome扩展
保留登录态，功能完整
操作桌面软件、跨应用
Computer Use
唯一解，但慎用
写代码、文件操作
终端
比Computer Use快10倍
03
PART
流程拆解：3个实战案例，看完就能用
HANDS-ON · THREE CASES
理论讲完了，直接上实操。这3个场景你大概率都遇到过。
实战1：Browser Use做数据采集
场景：我在准备面试，想找AI相关的面试题。
直接在Codex输入：
"@浏览器，打开面试刷题网站，找到AI面试题库，截图给我"
Codex会：
自动打开内置浏览器 导航到对应网站 搜索AI面试题关键词 找到对应页面并截图 把截图展示给你
整个过程30秒搞定。以前我得打开浏览器、敲网址、搜、翻页、截图、贴到笔记里，至少3分钟。
Browser Use把3分钟的操作压缩成了30秒，而且你只需要说一句话。
实战2：Chrome扩展抓数据
场景：你在刷面试题网站，收藏了很多题目，想把它们汇总成表格。
安装Codex的Chrome扩展后，输入：
"@Chrome，打开那个面试题网站，获取我最近收藏的题目信息，汇总成表格"
AI会：
连接你正在使用的Chrome浏览器 识别你的登录状态（不用重新登录） 导航到收藏页面 读取数据 整理成表格输出
关键优势：保留了你的登录态，不需要重新认证。这对于操作公众号后台、飞书文档、邮件系统这类需要登录的场景，太重要了。
实战3：Computer Use操作桌面软件
场景：你看到一段不错的文字，想记到备忘录里，再从音乐软件下首歌。
输入：
"@电脑，帮我打开备忘录，记一条笔记：'Codex能操控电脑了'，然后打开音乐软件下载一首轻音乐"
AI会：看你的屏幕，找到备忘录图标，双击打开，输入文字，回到桌面，打开音乐软件，搜索，下载。
说实话，第一次看AI自己动鼠标的时候，那种感觉挺魔幻的。它真的在替我干活。
但我也得说实话：这个任务烧了快8万tokens，相当于平时聊几十次对话的消耗。所以Computer Use我给你的建议是——应急用，别日常用。
+
EXTRA
思考 & 拓展
WHAT'S NEXT
三种操控方式覆盖了你能想到的大部分场景：浏览器操作→Chrome扩展→桌面应用。Codex从"只会聊天"变成了真的能替你动手。
但说真的，Browser Use和Computer Use最让我上头的不是它们多强，而是那种"说人话就能让电脑自己干活"的感觉，太爽了。
试试这些方向：
自动化日报：每天让AI打开几个数据源，截图汇总
填表机器人：重复的表单提交交给AI
多平台采集：让AI同时搜几个网站，整合信息
NEXT EPISODE
"AI能替你动手了？那能不能让它到点就自己干？定时自动化，让Codex 24h替你干活，解放真正的生产力。"
如果对你有帮助
点赞 · 在看 · 转发
THREE CLICKS TO SUPPORT
▸ THANKS FOR READING ◂
