# Codex wykracza poza kod: sterowanie komputerem, pamięć i ponad 90 wtyczek
OpenAI zaprezentowała znaczące uaktualnienie Codex — narzędzia, z którego cotygodniowo korzysta ponad 3 mln osób. Uaktualnienie przekształca asystenta z wąsko wyspecjalizowanego pomocnika w pisaniu kodu w uniwersalnego cyfrowego agenta, zdolnego do interakcji z systemem operacyjnym, zapamiętywania kontekstu i wykonywania długotrwałych zadań bez ciągłego udziału użytkownika.
Sterowanie komputerem na poziomie GUI
Kluczowa funkcja nowego wydania to sterowanie komputerem w tle (background computer use). Codex może teraz widzieć zawartość ekranu, przesuwać własny kursor, klikać elementy interfejsu i wprowadzać tekst w dowolnych aplikacjach, w tym tych bez API. Jest to szczególnie ważne dla narzędzi GUI, które nie oferują programowych interfejsów do automatyzacji.
Na macOS kilka agentów może działać równolegle z użytkownikiem, nie przejmując fokusu wprowadzania. Funkcja jest na razie ograniczona do tej platformy, a użytkownicy z UE i Wielkiej Brytanii otrzymają dostęp później ze względu na wymagania regulacyjne. Dla programistów otwiera to nowe scenariusze: szybka iteracja komponentów frontendowych, testowanie UI/UX, automatyzacja rutynowych czynności w IDE lub konfiguratorach.
Integracja z przeglądarką i generowaniem obrazów
W aplikacji desktopowej pojawiła się wbudowana przeglądarka z możliwością komentowania elementów strony i przekazywania precyzyjnych instrukcji agentowi. Na obecnym etapie funkcjonalność jest skierowana na rozwój frontendowy i gry webowe, ale OpenAI planuje rozszerzyć ją do pełnego sterowania przeglądarką.
Codex uzyskał też dostęp do modelu gpt-image-1.5, co pozwala mu generować makiety, ikony, concept-art i inne artefakty wizualne bezpośrednio w ramach wykonywania zadania. Na przykład przy tworzeniu landing page'a agent może zaproponować warianty designu, zaimplementować je w HTML/CSS i od razu przetestować w przeglądarce.
Rozszerzona ekosystem wtyczek
Katalog integracji wzbogacił się o ponad 90 nowych wtyczek. Wśród nich:
- Atlassian Rovo (do pracy z JIRA)
- CircleCI i GitLab Issues (CI/CD i śledzenie błędów)
- Microsoft Suite (narzędzia Office)
- Neon od Databricks (chmurowe bazy danych)
- CodeRabbit i Superpowers (review kodu i zaawansowane narzędzia dev)
- Remotion i Render (wideo i hosting)
Te integracje pozwalają Codexowi nie tylko pisać kod, ale zarządzać całym cyklem rozwoju: od definiowania zadania w trackerze po deployment i monitorowanie.
Długoterminowe zadania i trwała pamięć
Agent nauczył się zachowywać kontekst między sesjami. Nowy system pamięci zapamiętuje preferencje użytkownika, stylistyczne poprawki, często używane szablony i historię interakcji. Wcześniej te informacje trzeba było duplikować za pomocą systemowych promptów; teraz są przechowywane automatycznie.
Ponadto Codex może ustawiać sobie „budziki” — odkładać zadania i wracać do nich po godzinach, dniach lub tygodniach. Przykłady takich scenariuszy:
- Automatyczne finalizowanie pull request'ów pozostawionych bez uwagi
- Monitorowanie powiadomień w Slack, Gmail i Notion z kolejnymi działaniami
- Budowanie jednolitego kontekstu z rozproszonych dyskusji w różnych narzędziach
Proaktywne rekomendacje i wielozadaniowość
Interfejs teraz proponuje spersonalizowaną listę działań na początek dnia. Agent analizuje otwarte dokumenty w Google Docs, nieprzeczytane wiadomości w Slack, zadania w Notion i stan bazy kodu, tworząc priorytetowy plan pracy.
W kliencie desktopowym pojawiły się również:
- Równoległe zakładki terminala
- Połączenie SSH do zdalnych devbox'ów (w alpha)
- Pasek boczny podglądu dla PDF, arkuszy, prezentacji i dokumentów tekstowych
- Integracja GitHub-review bezpośrednio w interfejsie
Co ważne:
- Codex nie jest już ograniczony do generowania kodu — stał się uniwersalnym agentem systemu operacyjnego.
- Sterowanie GUI w tle działa nawet w aplikacjach bez API.
- Pamięć i długoterminowe zadania pozwalają automatyzować złożone workflow’y.
- Ponad 90 nowych wtyczek obejmuje cały cykl dev.
- Funkcje personalizacji są tymczasowo niedostępne w UE i Wielkiej Brytanii.
Uaktualnienie jest już dostępne dla użytkowników aplikacji desktopowej ChatGPT zalogowanych na konto osobiste. Wersje Enterprise i Edu otrzymają funkcje pamięci i personalizacji później.
— Editorial Team
Brak komentarzy.