Codex Computer Use 完整指南：AI 自动操控 Mac 与 Windows 桌面实战详解

OpenAI 在4月16日给Codex桌面app推送了Computer Use功能——Codex现在能，直接接管你桌面上的任意GUI应用，不再局限于浏览器。macOS上它在运行，不占用你的鼠标键盘，你可以同时用电脑做别的事；Windows上则是（5月29日的v26.527版本才补上）。从“聊天框里的编程助手”变成“会自己动手操作整台电脑的agent”，这次更新真正跨过了那道线。国内照例卡在三道墙——ChatGPT账号、海外支付、网络——凑齐了就走官方；凑不齐，桌面接管这一刀没有等价替代，但编程模型可以用Codex CLI加网关本地化。

Computer Use 到底是什么

先把它和Codex里几个容易混淆的东西分清楚。

≠ ：CLI是终端里的编程agent，负责读写文件、跑命令，作用域是你的代码仓库。Computer Use是桌面app的能力，作用域是——它看的是像素，点的是按钮。

≠ ：Chrome扩展（5月7日发布）接管的是你已登录的真实Chrome，作用域限制在浏览器内；Computer Use的作用域是，浏览器只是它能操作的众多app之一，原生应用、系统设置、设计软件都在射程内。如果你只需要跨tab操作网页、调DevTools，读Codex Chrome扩展教程那篇更对症；要的是“操作整台电脑”，才用Computer Use。

官方对它的描述很直白：让Codex“seeing, clicking, and typing”——看见、点击、输入。它截屏理解界面，决定点哪里、输入什么，再执行。macOS和Windows的关键差别在于，这套动作跑在前台还是后台：macOS上官方明确任务可以在

运行，你同时能在别处干活，不占用你的鼠标键盘；Windows则是前台接管（下一节展开）。

同一轮4月16日的更新，还给Codex桌面app加了内置浏览器（能在渲染出的页面上直接批注）；再早一点（3月25日）上线的插件系统，把skills、app集成、MCP server打包成可安装的bundle。这些本文都不展开，只聚焦Computer Use。

三条能力线和时间线

Computer Use不是一次性全部发布的，分三次上线，能力边界各不相同。搞清楚你手头版本能用到哪一步，很重要：

能力	上线日期	版本	平台	特点
后台 Computer Use	2026-04-16	v26.415	macOS	后台运行，不占用你的输入设备
锁屏后继续（Locked / Remote）	2026-05-21	v26.519	macOS	Mac锁屏后仍能操作，可从Codex Mobile远程触发
Windows Computer Use	2026-05-29	v26.527	Windows	前台接管 ，任务期间占用当前桌面会话

macOS和Windows的体验差别，是这套功能里最值得记住的一条：

• macOS后台模式
  ：官方明确任务可以在后台运行，你同时能在别处干活。Codex在后台操作，不占用你的鼠标键盘，你在前台照常写代码。

• Windows前台接管
  ：Codex直接接管当前会话，你会亲眼看着指针自己动、字自己敲。任务期间，这台机器基本就交出去了，别去抢鼠标——一抢就会打断。

是为“设个目标、锁上电脑、明早看结果”这类长任务准备的：Mac锁屏后，Codex仍能驱动桌面app，还能用Codex Mobile从手机远程发任务给你留在工位的Mac。它的安全模型比功能本身更值得关注，下面单独讲。

需要注意

：Computer Use初期（4月16日macOS首发时）在欧盟经济区（EEA）、英国、瑞士不开放；（官方changelog）。这跟国内的墙是两码事——国内没进白名单也没进黑名单，卡的是下面要讲的三道墙。

安装与授权（macOS）

安装Computer Use分两步：装插件，给系统权限。

在Codex桌面app里：

Settings → Computer Use → Install

这是最容易卡住的地方。Codex需要在“系统设置 → 隐私与安全性”里获得两个权限：

• 屏幕录制（Screen Recording）
  ：让Codex能“看见”目标app的画面。没有这个，它就是瞎的。

• 辅助功能（Accessibility）
  ：让Codex能代替你点击、输入、导航。没有这个，它看得见但动不了。

第一次触发时，macOS会弹出授权请求，跟着授权即可；如果当时点了拒绝，之后需要手动去“系统设置 → 隐私与安全性”里把Codex勾上，再重启app。注意，这两个是

，和Codex内部“允许操作哪个app”是两回事——系统权限管的是“Codex能不能看和动”，app授权管的是“Codex具体能碰哪个应用”。

在prompt里用mention圈定范围：

@Computer 打开 Keynote，把第 3 页的标题字号调到 40
@Safari 帮我把这几个 tab 里的报价整理成一张表

@Computer 是泛指桌面，@具体app名 是点名某个应用。Codex每碰一个新app，都会先问你要不要放行；对信任的app，可以勾选

，免得每次都要弹窗。放行清单开之前要想清楚——Always allow等于把那个app的操作权长期交出去了。

的差别：除了前台接管这个体验区别，允许/拒绝的app清单是写在配置文件里的：

$CODEX_HOME/computer-use/config.toml

在这里维护白名单/黑名单，比一个个弹窗点更适合批量管理。

什么活适合交给它，什么活别交

Computer Use擅长的是“有GUI、没API、重复、可回退”的活。典型的适合场景：

• 没有API的桌面软件里的重复操作
  ：在设计工具、老旧内部客户端里批量改配置、导出文件。

• 跨app的搬运
  ：从一个app读数据，填到另一个没有集成的app里。

• 前端/游戏的“看着改”
  ：配合内置浏览器，在渲染出来的页面上直接指着说“这个按钮往左挪”。

• 后台批量跑的杂活
  （仅macOS后台模式）：把重复的GUI操作丢给它在后台跑，你继续写自己的代码。

反过来，下面这些事别用Computer Use，有更好的路子：

• 纯代码改动
  ：这是Codex CLI的主场，别绕到GUI里点。

• 有API/MCP的事
  ：能调接口就别截屏点按钮。GUI自动化是“没有更好接口时的兜底”，不是首选——它慢、脆、认界面。

• 不可回退的高危操作
  ：删库、批量改生产数据、点“确认支付”。Computer Use擅长无人值守地把活干完，但不擅长判断“这一步该不该点”。

安全模型：它做不到的事，和随时叫停

这块是Computer Use敢于在后台/锁屏下运行的底气，也是你敢放手的前提。

• 不能自动化终端类app
  ，也

  不能操作Codex自己
  ——防止用GUI自动化去跑命令绕过sandbox。

• 不能以管理员身份认证
  ，

  不能替你点掉系统的安全/隐私授权弹窗
  ——防止提权。遇到admin弹窗，它会停下等你。

• 任务期间，

  随时能接管或叫停
  ；Codex盯错窗口了，直接取消。

• macOS锁屏使用（Locked Computer Use）的安全设计：Codex装一个 Apple授权插件参与解锁流程，任务期间临时解锁，但

  所有显示器保持被锁屏画面盖住
  ，授权窗口短暂且只绑定当前这次操作；

  你一碰本机键盘/触控板/鼠标，Mac立刻重新锁上
  并停掉自动解锁。没有长期授权这回事。

• 文件编辑和shell命令仍然走Codex原有的审批和sandbox设置，Computer Use不给它们开后门。

实操上就一条原则：

；不需要的敏感app提前关掉；账号、支付、凭证相关的操作，人留在现场看着。

国内的三道墙

Computer Use是Codex桌面app的功能，需要用ChatGPT账号登录桌面app才能开启，运行Codex任务需要ChatGPT Plus（20美元/月起）或Pro订阅。这意味着国内用户会连续撞到三个独立卡点，任何一个出问题都用不了。

Computer Use和Chrome扩展、cloud threads一样，属于消耗ChatGPT积分的那一档功能，必须用ChatGPT账号登录桌面app。账号免费可注册，但要跑任务得有Plus或Pro订阅。

ChatGPT订阅只收Visa/Master/AmEx这类海外发卡方，境内主流双标卡大多被风控。Apple ID改区加礼品卡，是社区里跑通较多的路径，但苹果这两年对跨区礼品卡也在收紧。

Codex桌面app是常驻进程，启动后持续向 api.openai.com、chatgpt.com 这些域名发送握手请求。这些域名在境内出口不稳定，落到Computer Use这种连续、实时的操作上，就是“点到一半卡住、光标停在那不动”。而且Computer Use每一步决策都需要一次模型往返，网络抖动会被放大得比纯CLI更明显。

第三道墙最隐蔽：前两道墙在安装之前就能知道过不过得去，第三道墙是装完跑了半小时，才发现线路不稳。

凑不齐三件套：能替代到哪一步

先把话说清楚，免得白折腾：

Computer Use是Codex桌面app的原生系统级功能，依赖macOS/Windows的屏幕录制和辅助功能权限，不是一个能换API网关就搬过来的东西。

能替代的是这两块：

如果你需要Computer Use，主要是为了让Codex帮你写代码、跑仓库任务，那GUI接管其实用不上，Codex CLI就够，而且模型可以本地化。Codex CLI支持自定义base_url，改向兼容网关后，整条链路不再碰openai.com。先确认CLI装好：

npm install -g @openai/codex
codex --version

然后写 ~/.codex/config.toml：

model = "openai/gpt-5.3-codex"
model_provider = "ofoxai"
preferred_auth_method = "apikey"

[model_providers.ofoxai]
name = ""
base_url = ""
env_key = "API_KEY"
wire_api = "responses"

API_KEY 在控制台里Create new key获得，export API_KEY=sk-... 放进shell。wire_api = "responses" 不是可选项——Codex CLI早已把 chat 标记为弃用，现在只认 responses。配置细节不熟悉的话，先把基础跑通更省事。

如果你需要Computer Use，其实是为了操作网页——填表、爬数据、跑端到端测试——那用Codex CLI配Playwright MCP或chrome-devtools MCP，能替代到八成，登录态、DevTools都能用。这条路的具体配置，在Codex Chrome扩展教程里已经讲透了，这里不重复。

剩下真正替代不了的，是“操作没有API、也不在浏览器里的原生桌面app”这一类活。这种就得凑齐三件套走官方，或者接受它暂时做不了。

Computer Use（app）vs API侧的computer工具

还有个容易混淆的点：OpenAI有两套“computer use”。

• 本文讲的这套
  ：Codex桌面app的Computer Use，面向个人用户，装插件、给系统权限、@一下就能用，不写代码。

• API侧的 computer 工具
  ：走Responses API，给开发者自己在应用里搭建computer-use循环用的，需要你写代码接管截屏→模型决策→执行动作的整个循环。

两者别混。想要“开箱即用地让AI操作我的电脑”，是app这套；想“在自己产品里嵌一个能操作虚拟机/浏览器的agent”，才是API那套。

怎么挑下一步

按你手头条件和真实需求对号入座：

• 有Plus/Pro + 海外卡 + 稳定海外网络出口
  → 直接走官方Computer Use，macOS后台模式不占你的输入设备，最省心。

• 只想让Codex写代码
  ，其实用不上桌面接管 → Codex CLI + 网关，链路不碰openai.com，成本是订阅的零头。

• 要的是浏览器自动化
  → CLI + Browser MCP，能替代到八成。

• 必须操作原生桌面app，且凑不齐三件套
  → 暂时没有等价方案，要么补齐三件套，要么等区域/渠道放开。

如果你还在Codex、Claude Code、Cursor之间犹豫，可以看看相关的横评对比——Computer Use这种“接管整个桌面”的能力，目前是Codex相对其他几家的一张独有牌。

常见问题速查

：屏幕录制或辅助功能权限没给全。去“系统设置 → 隐私与安全性”把Codex的两个权限都勾上，勾完（权限变更不重启不生效）。

：多半是目标app没放行。检查Codex的app授权提示有没有被忽略，或者手动把该app加进允许清单（Windows是 $CODEX_HOME/computer-use/config.toml）。

：这是预期行为——Windows是前台接管，任务期间它就是要占用当前桌面。要后台并行，只有macOS有。

：Locked Computer Use是macOS专属（v26.519+），且你一碰本机输入设备，它就会重新锁屏并停掉自动解锁。确认版本够新，任务期间别去动键盘触控板。

：EEA、英国、瑞士是2026年6月16日才开通的，比macOS首发（4月16日）晚。把Codex app升到最新版再看。

：API_KEY 没export，或值是占位符。echo $API_KEY 确认有值，还不行就去控制台重新生成一个key。

参考信息来源

• Computer Use — Codex App（官方文档）

• Codex Changelog（官方发布记录）

• Codex App — 官方下载与说明