史詩級(jí)進(jìn)化，OpenAI「超級(jí)龍蝦」震撼上線！

又是羨慕Mac用戶的一天。

今天凌晨，OpenAI正式發(fā)布適用于macOS的新版Codex，并附文：

Codex for (almost) everything.
It can now use apps on your Mac, connect to more of your tools, create images, learn from previous actions, remember how you like to work, and take on ongoing and repeatable tasks.
Codex (幾乎) 無所不能。
它現(xiàn)在可以調(diào)度 Mac 上的應(yīng)用程序，連接更多生產(chǎn)力工具，并具備圖像生成能力。此外，Codex 能夠通過歷史行為進(jìn)行學(xué)習(xí)，記憶您的工作偏好，并自主承接持續(xù)性及重復(fù)性的任務(wù)。

一言蔽之：Mac版的“原生龍蝦”上線了。

自2月中旬將OpenClaw（龍蝦）的創(chuàng)始人招攬進(jìn)公司后，OpenAI在后續(xù)的兩個(gè)月里就一直在搗鼓把OpenClaw的能力融入Codex中，如今終于看到了成效，而且一上線就是“王炸”。

接下來就讓雷科技（ID：leitech）帶大家看看，最新的Mac版Codex都能做什么。

從開發(fā)者到維護(hù)者，Codex已實(shí)全自動(dòng)化

OpenAI公布的Codex演示視頻，首先展示了Codex在Mac環(huán)境下的自主開發(fā)、自主debug的能力。

用戶向Codex下達(dá)指令：測(cè)試一個(gè)“井字棋”應(yīng)用并修復(fù)所有的Bug。在接收到指令后，Codex自主打開Mac上的本地Xcode工程，并且依次點(diǎn)擊井字棋項(xiàng)目的網(wǎng)格，最終定位到程序代碼的位置并執(zhí)行啟動(dòng)指令。

從這里就能看出來，Codex并非通過后端的API直接調(diào)用測(cè)試代碼，而是真正通過圖形界面（GUI）像普通用戶一樣去“使用”這個(gè)應(yīng)用。兩者的區(qū)別在于：前者只是代表其解決了指令理解和代碼執(zhí)行問題，本質(zhì)上依賴于應(yīng)用本身的開放API；后者則無需調(diào)用應(yīng)用的API，即可通過圖形識(shí)別來完成任務(wù)。

這意味著，Codex具有真正意義上的“通用執(zhí)行能力”，因?yàn)楹芏嗟谌綉?yīng)用壓根就不會(huì)給你開放API。對(duì)于以前的AI來說，這些應(yīng)用就是一個(gè)“黑盒”，它知道對(duì)方的存在，卻不能操作也不能讀取。

而且，這里也展示了OpenAI強(qiáng)大的多模態(tài)視覺識(shí)別與坐標(biāo)映射能力。Codex能夠“看懂”模擬器上的UI元素，并決定鼠標(biāo)應(yīng)該點(diǎn)擊屏幕上的哪個(gè)像素坐標(biāo)來完成下棋動(dòng)作。

接下來Codex自動(dòng)進(jìn)入測(cè)試，然后直接識(shí)別到了Bug：“人類走一步，電腦對(duì)手會(huì)走兩步”。這是整個(gè)演示中最讓人驚艷的地方，因?yàn)镃odex沒有參考任何的錯(cuò)誤文檔，而是完全通過視覺觀察和游戲規(guī)則的邏輯推理，判斷出了應(yīng)用在行為表現(xiàn)上的Bug。

某種程度上，這說明Codex已經(jīng)具備一定的自主決策和“擬人”推理能力，在確定問題后，它開始著手修復(fù)井字棋程序，然后重新編譯運(yùn)行程序并確認(rèn)Bug已經(jīng)修復(fù)。而在另一個(gè)視頻里，Codex還利用代碼輔助插件，在沒有明確文件路徑提示的情況下，自主探索本地的前端項(xiàng)目，并且給出了改動(dòng)范圍最小的代碼修改方案。

可以說，OpenAI通過簡(jiǎn)單的兩個(gè)案例，直觀展示了Codex從前端到后端的完整工作流程能力。而且這一切都是通過對(duì)圖形界面的視覺識(shí)別完成的，說明其已經(jīng)具備幾乎涵蓋所有開發(fā)環(huán)境的全流程閉環(huán)開發(fā)能力。

說實(shí)話，這真的有點(diǎn)可怕了。如果說以前用Codex開發(fā)應(yīng)用，你還要懂一點(diǎn)編程知識(shí)去解決API接入等問題，那么現(xiàn)在可以直接跳過這些流程，讓Codex像“真人”一樣操作電腦并生成你想要的程序。

不只是“生產(chǎn)者”，更是“協(xié)作者”

另一視頻則展示了Codex在多模態(tài)層面的執(zhí)行能力。在這個(gè)視頻中，用戶要求Codex為網(wǎng)頁的主視覺區(qū)生成一張圖片，這個(gè)要求里甚至沒有具體的圖片風(fēng)格提示詞。

那么Codex是怎么做的呢？它沒有直接生成一張不相關(guān)的圖片，而是首先讀取了本地項(xiàng)目文件，然后結(jié)合圖形界面讀取的信息，確定了網(wǎng)頁的主題基調(diào)是“費(fèi)城深夜快餐”，并以此為基準(zhǔn)生成了一張“漢堡+薯?xiàng)l+深夜燈光”的圖片。

而且Codex還進(jìn)一步分析了“主視覺區(qū)”的排版需求。為了不遮擋左側(cè)的文案文字，生成的圖片需要在左側(cè)留出足夠的空余，并且視覺重心要偏向右側(cè)。僅這一項(xiàng)就是以前的AI難以做到的，因?yàn)榇蠖鄶?shù)輔助開發(fā)工具都還在“純文本代碼生成”階段，不僅無法理解網(wǎng)頁中的“視覺元素”，甚至連圖片生成和路徑引入都要用戶手動(dòng)指定。

而在確定圖片符合要求后，Codex自動(dòng)執(zhí)行指令將生成的圖片移動(dòng)到本地的項(xiàng)目文件夾中，并著手修改HTML文件，用真實(shí)的圖片標(biāo)簽及本地路徑替換了原有的占位符；同時(shí)順手微調(diào)了CSS樣式，確保圖片能夠完美適配網(wǎng)頁的大小，最后還刷新了內(nèi)置瀏覽器的網(wǎng)頁，展示最終的網(wǎng)頁效果。

OpenAI還展示了Codex是如何完全自主搭建一個(gè)網(wǎng)頁的。在接收到用戶的“樂高追蹤網(wǎng)頁應(yīng)用”開發(fā)需求后，Codex調(diào)用開發(fā)軟件完成代碼編寫，并自動(dòng)在本地啟動(dòng)了開發(fā)服務(wù)器，在Codex自帶的瀏覽器面板上加載了頁面。

隨后，用戶可以將自己的任意需求直接告訴Codex，它會(huì)根據(jù)圖形識(shí)別等獲取的數(shù)據(jù)，調(diào)整網(wǎng)頁的對(duì)應(yīng)元素。比如在視頻中，用戶只是在對(duì)應(yīng)編輯框給出了“縮小字體”的需求，Codex就自動(dòng)完成了字體縮小、重新排版等一系列步驟，真正做到了“所見即所得”。

對(duì)于網(wǎng)頁開發(fā)者來說，Codex的身份其實(shí)已經(jīng)發(fā)生了轉(zhuǎn)變。以前大家更多將其視作debug和網(wǎng)頁框架搭建的“代碼生產(chǎn)者”，最終的整合還是需要人類插手。

現(xiàn)在，它已經(jīng)變成了你的“協(xié)作者”，你可以將更多的工作交給它。即使這涉及到具體的視覺元素修改和UI微調(diào)——以前AI可能難以準(zhǔn)確理解你的意圖，現(xiàn)在卻不同了，因?yàn)樗材堋翱础钡骄W(wǎng)頁。

專屬私人助理上線

在最后兩個(gè)視頻的演示里，OpenAI則是打算讓Codex變成你的“私人助理”。視頻中用戶僅用一句話，就讓Codex同時(shí)檢索了Slack、Gmail、Google Calendar和Notion等四個(gè)截然不同的SaaS平臺(tái)。

接著，Codex基于其語義理解能力，自主分析各平臺(tái)的通知與信息，并根據(jù)優(yōu)先級(jí)進(jìn)行排序，將信息分類為“急需處理”和“可以暫緩”；同時(shí)根據(jù)信息的具體內(nèi)容，提醒用戶某些信息雖然看起來只是日常匯報(bào)，但是涉及到需要審批的事項(xiàng)，需要額外留意。

在總結(jié)并分類完信息后，用戶又下達(dá)了新的指令“持續(xù)留意并通知我”。Codex直接建立了一個(gè)名為“Teammate - Hourly”的后臺(tái)任務(wù)，并且自動(dòng)設(shè)定該后臺(tái)任務(wù)的具體運(yùn)行規(guī)則：每小時(shí)檢查一次各個(gè)SaaS平臺(tái)，僅在有實(shí)質(zhì)性信息增加（或無法獲取最新信息）時(shí)提醒用戶。

這個(gè)功能實(shí)際上也是之前OpenClaw爆火的原因——全自動(dòng)的掛機(jī)“員工”。只需要下達(dá)指令，Codex就會(huì)在后臺(tái)持續(xù)監(jiān)控和執(zhí)行相關(guān)任務(wù)，并不需要用戶去主動(dòng)操作，從而將AI從“被動(dòng)響應(yīng)”變成了“主動(dòng)協(xié)助”。

而且，Codex現(xiàn)在的自動(dòng)化操作可以在同一線程中運(yùn)行，只需要打開對(duì)應(yīng)聊天框，就能讓AI重復(fù)或繼續(xù)執(zhí)行之前的任務(wù)，并不需要你重新給它安排一遍工作。所以，別看視頻演示簡(jiǎn)單就不當(dāng)回事，實(shí)際上只要給的指令足夠詳細(xì)，Codex也能像OpenClaw那樣執(zhí)行復(fù)雜的自動(dòng)化工作流程。

視頻演示中還展示了Codex在監(jiān)控到新的郵件后，直接給出了郵件內(nèi)容的概括，并詢問用戶是否需要幫忙草擬回復(fù)，這也是其根據(jù)用戶的不同任務(wù)要求自行推理和設(shè)定的。

而在最后一個(gè)視頻中，Codex則是根據(jù)用戶的要求，通過插件訪問企業(yè)的內(nèi)部知識(shí)庫(kù)并找到對(duì)應(yīng)的產(chǎn)品報(bào)告，然后生成了一份面向高管的簡(jiǎn)報(bào)。在整個(gè)過程中，用戶都只是給出了產(chǎn)品的名稱，以及需要Codex做的事情，并沒有提及產(chǎn)品報(bào)告保存在什么地方、如何查找。

全自動(dòng)尋址、快速檢索大量不同的文檔和圖片、提煉關(guān)鍵信息并生成文檔。用戶僅需一句話，Codex就自主分拆和執(zhí)行了多個(gè)步驟；而且它并不需要企業(yè)給出私有API接口，僅通過用戶已有的權(quán)限去調(diào)用文檔，最大程度地降低了企業(yè)的數(shù)據(jù)外泄等風(fēng)險(xiǎn)。

當(dāng)然，Codex如今也擁有了直接創(chuàng)建對(duì)應(yīng)文檔的能力。在視頻中，Codex直接將網(wǎng)頁端GitHub項(xiàng)目的最近Issue按主題整理出電子表格，然后轉(zhuǎn)成Excel表格文件輸出。結(jié)合此前提到的能力，實(shí)際上你可以將其當(dāng)做一個(gè)高效的“數(shù)據(jù)收集員”，從私有庫(kù)到公有數(shù)據(jù)，都可以讓Codex收集并匯總成對(duì)應(yīng)的文檔，然后在其他工作中直接調(diào)用。

目前，Codex已經(jīng)集成了九十多個(gè)主流辦公及開發(fā)插件，用戶可以在聊天框中隨意調(diào)用，這還能說啥呢，干就完事了。

為什么是Mac？

說實(shí)話，OpenAI的最新版Codex要比OpenClaw更適合大多數(shù)用戶。因?yàn)槠洳⒉恍枰脩籼峁┫到y(tǒng)底層權(quán)限，以讓渡安全性和隱私性來換取便利性，而是借助macOS完善的輔助功能API和底層沙箱控制，實(shí)現(xiàn)穩(wěn)定且安全的運(yùn)行。這是目前Windows端做不到的（權(quán)限管理復(fù)雜且API混亂）。

而且，Codex明顯針對(duì)Apple的官方開發(fā)工具做了深度整合。不僅可以直接讀取Xcode的項(xiàng)目結(jié)構(gòu)，還能直接搞定Swift軟件包依賴以及模擬器狀態(tài)等設(shè)置，同時(shí)自動(dòng)調(diào)用Apple官方的開發(fā)文檔和API規(guī)范，進(jìn)行實(shí)時(shí)糾錯(cuò)（這對(duì)于蘋果開發(fā)者來說至關(guān)重要）。

另外還有個(gè)非常關(guān)鍵的因素——Apple生態(tài)。很多人在討論AI Agent的時(shí)候，都會(huì)忽略硬件生態(tài)的影響。試想一下，如果你在Windows上讓AI執(zhí)行一個(gè)任務(wù)時(shí)，忘記打開遠(yuǎn)程桌面程序，那么基本上就得走到電腦前進(jìn)行操作；而Mac與iPhone、iPad的協(xié)同生態(tài)，讓用戶可以在移動(dòng)設(shè)備上輕松查看Codex的工作成果，并且輕松下達(dá)新的指令。

當(dāng)你安排Codex在家里干活，自己跑出去快活時(shí)，原生的遠(yuǎn)程管理功能體驗(yàn)無疑比第三方工具更好（不過Apple Remote Desktop是真的貴）。

總而言之，Mac版Codex的發(fā)布，基本上標(biāo)志著這個(gè)AI工具正式跨越了“被動(dòng)助手”的階段，開始成為直接接管系統(tǒng)桌面的“全能智能體（Agent）”。

它不再是一個(gè)需要你絞盡腦汁去解決API接口和各種使用問題的工具，而是一個(gè)能看懂屏幕、能自主操作不同軟件、甚至能替你統(tǒng)籌安排跨平臺(tái)工作的“賽博同事”（突然想到，Codex能幫我通關(guān)賽博朋克2077嗎？）。

反正現(xiàn)在壓力給到macOS的老對(duì)手微軟了，Windows到底什么時(shí)候能上線同樣的功能？Copilot折騰了一兩年都還是那個(gè)樣子，屬實(shí)對(duì)不起微軟砸的這么多資源。