Codex接管你的电脑：AI第一次在后台真正干活了

OpenAI 刚刚把 Codex 从“会写代码的助手”，升级成“会用你电脑的同事”。它不抢鼠标、不录屏，却能同时操作多个应用，甚至比人类更快。这不是炫技，而是工作方式的分水岭。

最反直觉的一点：AI在用你的电脑，但你完全不被打断

如果你见过其他“AI 控制电脑”的演示，大概率是这样的：屏幕被接管、鼠标乱飞、人只能干看着。但 Codex 的 computer use 走了一条完全不同的路。

在视频里，一个细节非常关键——Codex 有“自己的光标”。它在后台点击、拖拽、输入，你的真实鼠标完全不受影响。你可以一边回 Slack、一边写文档，Codex 在另一边默默帮你建虚拟机、下系统、配环境。

这是第一次，AI 的“行动能力”没有破坏人的工作流。Roma 说得很直白：这不是 Codex 在你电脑上表演，而是在“做真实的工作”。这句话很重，因为它意味着 AI 不再是一个需要你全程盯着的工具，而是一个可以并行协作的存在。

从命令行到GUI：Codex终于跨过了那道“人类专属”的门

Codex 以前已经很强：能跑命令、能写代码、能自动化复杂流程。但它一直卡在一个地方——图形界面（GUI）。

GUI 是为人类设计的：看、点、拖、输。这也是为什么大量真实工作（财务软件、设计工具、企业内部系统）对 AI 来说一直是“黑箱”。

这次的变化在于：Codex 不只是“看截图点坐标”。OpenAI 把操作系统的辅助功能（Accessibility Framework）也接了进来。结果是：
- Codex 能理解界面元素的语义，而不只是像素
- 能“看到”滚动区域之外的内容
- 知道哪个是按钮、哪个是输入框、哪个是危险操作

更重要的是，这让 computer use 不再强依赖多模态模型。视频里明确提到：像 Spark 这种非多模态、但速度极快的模型，也能用 computer use，而且快到“超人类”。这是一个被严重低估的技术转折点。

真正让人起鸡皮疙瘩的：多任务、跨应用、同时发生

演示中有一个片段很容易被忽略，但含金量极高。

Codex 一边：
- 在 UTM 里创建 Mac 虚拟机、下载 macOS
一边：
- 打开 Spotify 播放工作音乐
- 在 Reminders 里添加“今晚看税务文件”的提醒

这是多个应用、多个上下文、多个目标，同时推进。

注意，这不是脚本自动化。脚本要求路径固定、界面不变。而 Codex 是在“理解你在干什么”，然后用人类的方式操作软件。Roma 用了一个词形容现在的 Mac：一个真正的“多智能体工作环境”。

当你意识到这一点，会发现问题已经变了：不是“AI 能不能帮我做事”，而是“还有哪些事我不该自己做”。

权限、安全与信任：这次OpenAI明显收紧了边界

computer use 听起来很吓人，OpenAI 也没有回避这个问题。

他们的做法很克制：
- 按“应用”授权，而不是整个桌面
- 第一次使用某个 App，必须显式允许
- 允许的 App 之间是隔离的，不能相互窥探

这意味着什么？意味着你可以放心让 Codex 操作开发工具、生产力软件，同时明确知道：它看不到你的聊天记录、照片或财务 App。

这种设计思路很重要。它不是假设“模型永远不会犯错”，而是假设“错误一定会发生，所以系统必须可控”。在所有关于 AI Agent 的讨论里，这是少见的工程理性时刻。

总结

Codex 的 computer use 不只是一个新功能，而是一个信号：AI Agent 正在从“会想”走向“会做”，而且是在人类工作流内部、以并行协作的方式发生。

对从业者来说，现在就有三个行动点：第一，重新审视你每天在 GUI 里重复点击的工作；第二，开始把任务描述成“目标”，而不是“步骤”；第三，关注 accessibility + agent 的组合，这很可能是下一波效率工具的底层范式。

真正的问题不是 Codex 能做什么，而是：当电脑第一次开始替你行动，你准备把时间用在什么地方？

关键词： Codex， AI Agent， computer use， 多模态， OpenAI

事实核查备注： 1. Computer use 目前是否仅支持 macOS，Windows 版本时间表需确认；2. Spark 是否为非多模态模型及其正式定位；3. Accessibility Framework 的具体实现细节是否有公开文档；4. Codex 与 API 中 GPT 模型能力是否完全一致；5. 视频中演示的并行任务是否为真实并发而非快速串行