Codex 现在控制 PC：内存、插件、GUI 自动化

## Codex 超越代码：电脑控制、记忆与 90+ 插件

OpenAI 近日发布了 Codex 的重大更新——这项工具每周有超过 300 万人使用。此次更新将该助手从专一的编码辅助工具转变为通用数字代理，能够与操作系统交互、记住上下文，并处理无需用户持续参与的长期任务。

图形用户界面级别的电脑控制

新版本的核心功能是后台电脑控制（后台电脑使用）。Codex 现在可以看到屏幕内容、移动自己的光标、点击界面元素，并在任何应用中输入文本——包括那些没有 API 的应用。这特别适用于缺乏自动化编程接口的 GUI 工具。

在 macOS 上，多个代理可以与用户并行工作，而不会抢夺输入焦点。该功能目前仅限于此平台，由于监管要求，欧盟和英国的用户将稍后获得访问权限。对于开发者，这开启了新场景：快速前端组件迭代、UI/UX 测试，以及在 IDE 或配置器中自动化例行任务。

浏览器集成与图像生成

桌面应用现已内置浏览器，让你可以对页面元素进行评论，并向代理发出精确指令。目前，该功能聚焦于前端开发和网页游戏，但 OpenAI 计划将其扩展到完整的浏览器控制。

Codex 还获得了 gpt-image-1.5 模型的访问权限，能够在任务中间直接生成布局、图标、概念艺术和其他视觉内容。例如，在构建着陆页时，代理可以建议设计选项，用 HTML/CSS 实现它们，并在浏览器中立即测试。

扩展的插件生态系统

集成目录新增了 90 多个插件。亮点包括：

• Atlassian Rovo（用于处理 JIRA）
• CircleCI 和 GitLab Issues（持续集成/持续部署和错误跟踪）
• Microsoft 套件（Office 工具）
• Databricks 的 Neon（云数据库）
• CodeRabbit 和 Superpowers（代码审查和高级开发工具）
• Remotion 和 Render（视频和托管）

这些集成让 Codex 能够处理完整的开发生命周期：从跟踪器中的任务分配，到部署和监控。

长期任务与持久记忆

代理现在可以跨会话保留上下文。新记忆系统会记住用户偏好、风格调整、常用模板和交互历史。以前，这些信息必须通过系统提示重复；现在会自动存储。

此外，Codex 可以设置自己的“闹钟”——推迟任务，并在数小时、数天或数周后返回。例如场景：

• 自动完成无人处理的拉取请求
• 监控 Slack、Gmail 和 Notion 中的通知，然后采取行动
• 从散布在各工具中的讨论中构建统一上下文

主动推荐与多任务处理

界面现在在一天开始时提供个性化的行动列表。代理会分析 Google Docs 中的打开文档、未读 Slack 消息、Notion 任务以及代码仓库状态，创建优先级工作计划。

桌面客户端还新增了：

• 并行终端标签页
• SSH 访问远程开发环境（Alpha 版）
• 侧边栏预览 PDF、电子表格、演示文稿和文本文档
• 界面内直接集成 GitHub 审查

关键要点：

• Codex 不再局限于代码生成——它已成为完整的操作系统代理。
• 后台 GUI 控制甚至适用于没有 API 的应用。
• 记忆和长期任务实现了复杂工作流自动化。
• 90 多个新插件覆盖整个开发周期。
• 个性化功能暂时在欧盟和英国不可用。

该更新现已向使用个人账户登录的 ChatGPT 桌面应用用户开放。企业和教育版将稍后获得记忆和个性化功能。

— Editorial Team