Wie nutzt man Codex mit dem Computer? Drei Bedienwege und die Grenzen der Berechtigungen im Detail
OpenAI Codex bietet nicht nur eine einzige Möglichkeit, „einen Computer zu nutzen“. Je nach Aufgaben-Szenario und Bedarf an Berechtigungen stellt Codex drei verschiedene Bedienoberflächen bereit: Computer Use (Desktop- Ebene), Chrome-Erweiterung (Browser mit mehreren Tabs) und Browser innerhalb der App (für Entwicklung und Debugging).
• Computer Use: Deckt den größten Bereich ab. Direktes Bedienen nativer Apps auf macOS/Windows, Systemeinstellungen, iOS-Simulatoren usw. – geeignet für GUI-Workflows ohne API-Unterstützung. Allerdings ist die Geschwindigkeit geringer und die Grenzen der Berechtigungen sind am weitesten.
• Chrome-Erweiterung: Nutzt den bereits eingeloggenen Browserstatus, um Multi-Tab-Aufgaben zu erledigen, die einen Login erfordern (z. B. Gmail, LinkedIn, Salesforce). Sie trägt die Benutzeridentität mit sich. Funktionen sind stärker, aber auch sensibler.
• Browser innerhalb der App: Die beste Isolierung. Vererbt keine Browser-Konfigurationsdateien des Nutzers. Geeignet für lokale Entwicklung, die Reproduktion visueller Bugs und das Debugging responsiver Layouts.
Kernprinzip: Wenn Plugins oder MCP genutzt werden können, dann nicht mit visueller Steuerung arbeiten. Geht es nur um Webentwicklung, dann zuerst den Browser in der App verwenden. Wenn die Identität des Nutzerbrowsers benötigt wird, auf Chrome umschalten. Nur wenn strukturierte Tools nicht ausreichen, ist Computer Use die letzte „Meile“.
Warum das wichtig ist: Der entscheidende Schritt zur Produktisierung von AI-Agent-Produkten besteht nicht darin, dem Modell unbegrenzte Rechte zu geben, sondern die Berechtigungen bei konkreten Aufgaben immer weiter einzugrenzen, klare Grenzen festzulegen und dem Nutzer die Prüf-/Freigaberechte für kritische Aktionen zu erhalten. Dieses geschichtete Design markiert einen wichtigen Meilenstein in der Entwicklung von KI-Programmierungswerkzeugen vom „Kommandozeilen-Assistenten“ hin zu einem „Full-Stack-Betriebssystem“.
#Codex #AI #编程 #人工智能 #OpenAI
OpenAI Codex bietet nicht nur eine einzige Möglichkeit, „einen Computer zu nutzen“. Je nach Aufgaben-Szenario und Bedarf an Berechtigungen stellt Codex drei verschiedene Bedienoberflächen bereit: Computer Use (Desktop- Ebene), Chrome-Erweiterung (Browser mit mehreren Tabs) und Browser innerhalb der App (für Entwicklung und Debugging).
• Computer Use: Deckt den größten Bereich ab. Direktes Bedienen nativer Apps auf macOS/Windows, Systemeinstellungen, iOS-Simulatoren usw. – geeignet für GUI-Workflows ohne API-Unterstützung. Allerdings ist die Geschwindigkeit geringer und die Grenzen der Berechtigungen sind am weitesten.
• Chrome-Erweiterung: Nutzt den bereits eingeloggenen Browserstatus, um Multi-Tab-Aufgaben zu erledigen, die einen Login erfordern (z. B. Gmail, LinkedIn, Salesforce). Sie trägt die Benutzeridentität mit sich. Funktionen sind stärker, aber auch sensibler.
• Browser innerhalb der App: Die beste Isolierung. Vererbt keine Browser-Konfigurationsdateien des Nutzers. Geeignet für lokale Entwicklung, die Reproduktion visueller Bugs und das Debugging responsiver Layouts.
Kernprinzip: Wenn Plugins oder MCP genutzt werden können, dann nicht mit visueller Steuerung arbeiten. Geht es nur um Webentwicklung, dann zuerst den Browser in der App verwenden. Wenn die Identität des Nutzerbrowsers benötigt wird, auf Chrome umschalten. Nur wenn strukturierte Tools nicht ausreichen, ist Computer Use die letzte „Meile“.
Warum das wichtig ist: Der entscheidende Schritt zur Produktisierung von AI-Agent-Produkten besteht nicht darin, dem Modell unbegrenzte Rechte zu geben, sondern die Berechtigungen bei konkreten Aufgaben immer weiter einzugrenzen, klare Grenzen festzulegen und dem Nutzer die Prüf-/Freigaberechte für kritische Aktionen zu erhalten. Dieses geschichtete Design markiert einen wichtigen Meilenstein in der Entwicklung von KI-Programmierungswerkzeugen vom „Kommandozeilen-Assistenten“ hin zu einem „Full-Stack-Betriebssystem“.
#Codex #AI #编程 #人工智能 #OpenAI