让Codex替我操作浏览器

• 引子来自她「最喜欢的嘉宾之一」Jessie Janes 的一句话：AI 对当妈的人特别友好，因为「妈妈们的手永远是闲不下来的。手上总有活儿要干，但嘴是闲着的」——那期讲的是用嘴跟 AI 打交道（语音聊天）的好处。→ 详细
• 这一期正好反过来，她亲切地给它起名叫《Look, Ma, no hands（看，妈，我不用手）》，讲的是 browser use（浏览器操作，即让 AI 直接点你浏览器里的网页）和 computer use（电脑操作，即让 AI 接管鼠标键盘、操作你整台电脑）——「也就是让 AI 直接操作你的电脑、浏览网页，替你把活儿干了」。她的判断是最近这一年这两项能力「提升得非常夸张」，尤其是在 Codex 和 GPT 5.6 系列模型上。→ 详细
• 全片最好用的一句心智模型（mental model，即你脑子里给这个东西打的比方）就是：「你可以想象成：你有一个虚拟同事，这个同事能把手放到你的键盘上，直接在你电脑上帮你干活。」她坦承「听起来是有点吓人」，但紧接着给了很高的评价——「这是 AI 里最能改变生活的功能之一。工作上肯定是革命性的，同时它还帮我省掉了大量个人生活里那些琐碎的数字杂事」，而且「我真的是每天每分钟都在用」。→ 详细
• 全片按三类用例组织：一个面向开发者（builder）、一个提效类（productivity）、一个纯属个人娱乐（personal fun）。→ 详细
• 前提条件她讲得很硬——这也是 How I AI 反复念的那句口头禅：「你得给 browser use 找到一个真正合适的场景。」能力已经到位了，卡住大多数人的是想不出该拿它干嘛。→ 详细
• 结论她提前给了：「这是我最喜欢的功能，各位。如果你还没试过，尤其是没在 Codex 上试过，满分 10 分我给它 100 分。」→ 详细

• 过去一年冒出一批「AI 原生浏览器」，比如 Perplexity 的 Comet、ChatGPT 的 Atlas，但她更习惯直接在 Claude 或 Codex 里调用 browser use / computer use，而不是换一个浏览器。→ 详细
• 为什么是 Codex 桌面 App（「或者现在大家好像都叫它 ChatGPT 桌面 App 了」）？理由很简单：「因为它操控我电脑的能力就是最强的」——能控鼠标、能控键盘，基本什么都能干。→ 详细
• 装配就两件东西：①电脑上装桌面 App（ChatGPT 桌面 App 或 Claude 桌面 App）；②Chrome 里装官方浏览器扩展（搜 Codex browser extension 或 Claude browser extension，「注意认准官方的那个」）。她只用 Chrome，别的浏览器行不行没试过。→ 详细

• Codex 里有三种调用方式，差别就是「让它碰多大一块地盘」：@browser 拉起 Codex 自带的侧边内置浏览器窗口（一个干净的沙盒浏览器）；@chrome 通过扩展去操作你真实的那个 Chrome（因此带着你的登录态、cookie、购物车）；@computer 则是接管整台电脑，鼠标键盘、任何 App 都能碰。→ 详细
• 她的选择逻辑完全是登录态在哪就用哪个，这是很实用的一条判断规则：做 QA 时用 @browser，「因为我在旁边这个浏览器里已经登录了本地的 localhost」；买衣服时切到 @chrome，因为得用她自己 Free People 账号里的真实购物车。→ 详细
• @browser 的一个隐性好处是可观测：「这个小浏览器窗口会自己弹出来，实时展示它在干什么。我觉得这是 Codex 特别酷的一点——它会把自己浏览的过程直接放给你看。」你不用盯，但随时能瞟一眼确认它没跑偏。→ 详细
• 还有一条被她当兜底策略用的心得：当 MCP（Model Context Protocol，一种让 AI 调用外部工具/服务的标准接口）或插件跑不通、卡在权限上时，直接退回浏览器——「只要你的权限设置足够宽松，你就可以直接说：『你就打开我的浏览器，在浏览器里做吧。』它会做得非常非常漂亮。」换句话说，browser use 是所有集成方案的最后一道保底通路：没有 API 的地方，还有网页。→ 详细

• 场景是把 browser use 和 coding agent（写代码的 AI 助手）配起来验证改动：屏幕上是 ChatPRD 的 onboarding 流程（新用户第一次进产品、一步步填资料建档案的那几屏），假设她刚对这块做了优化，想确认功能都没问题。→ 详细
• 她点出了传统测试答不上来的那个问题：「我可以写一个 AI 最爱写的 smoke test（冒烟测试，最基础的『能不能跑起来』检查）。后端我肯定能测，前端我也能写测试。但我真正想知道的是：它好用吗？真的能用吗？」——自动化测试验的是「有没有报错」，browser use 验的是「一个真人走这一遍舒不舒服」。→ 详细
• 她给的完整 prompt 只有两句话：「请测试一下这个 onboarding 流程的易用性和移动端响应式表现，过程中随时截图，并把发现的问题整理到一个 Google 表格里。」注意这句 prompt 里塞了三样东西——测试对象、测试维度、产出物形态。产出物形态是关键，后面第 7 节会看到它带来的复利。→ 详细
• 提交之后 Codex 会调起内置的 browser skill，屏幕上出现一个发光的小光标自己跑到浏览器里，一步步走完 onboarding。她说的价值点很朴素：「这本来就是我自己测的方式——我会一路点过去，把所有下拉框都点一遍，再改改视口尺寸。browser use 在这种场景下最爽的一点，就是这些全都能自动完成，我往后一靠看着它跑就行。」→ 详细

• 她对 QA 用例的核心评价只有一个词——穷举：「我特别喜欢把 browser use 用在 QA 上，是因为它比我这个人类要更穷举、更有条理。」→ 详细
• 紧接着是一段非常诚实的自白，讲人类 QA 的默认失败模式，也就是只走 happy path（顺利路径，即一切按预期填对、点对的那条理想路线）：「反正我自己做 QA 的时候，特别容易只走 happy path，就是那种：好，表单该填的我都填了，必填项都填了，点下一步，我不会累，也不会往回退。」→ 详细
• 而 agent 的穷举清单是这样的：「它会测以团队身份注册，也会测以个人身份注册，会去填各种表单字段，还会故意去触发报错状态。」她补了一句为什么人做不到：「这些事情，换成你自己来，多半是没那个耐心、也没那个条理去一条条做的——尤其像我这样，下午写完一堆代码之后被要求手动测一遍 web app，谁受得了。」→ 详细
• 最有说服力的一段是它真的抓到了一个陈年 bug，来龙去脉完整：「说起来有点不好意思，因为这个 onboarding 流程已经上线挺久了。它发现了一个 blocking 级别的问题：如果你在这一页什么都不选，照样能点『继续』，但页面不会往下走——因为其中有个字段是必填的，可代码里压根没写校验。」而这个 bug 长期存活的原因，正是上一条那个失败模式：「就是因为我每次都是以真人的身份来测，而我每次都会去点那些该点的必选项。」→ 详细
• 由此得出的一句话结论，值得单独记：「让 AI 来测流程的好处就在这儿：它会把失败路径和成功路径都测一遍，能真的挖出你压根没想到的边缘 case。」人类测的是「我知道它该怎么用」，AI 测的是「它还能被怎么用坏」。→ 详细

• 她在同一条 prompt 里顺带要了响应式检查，跑起来没多久就看见浏览器右侧有异常，但她给了一个很诚实的悬置判断：「我挺好奇这到底是 Codex 里这个响应式浏览器本身渲染出来的假象，还是我响应式设计真的有 bug。」——用工具跑出来的结论仍然需要人复核，工具本身也可能是噪声源。→ 详细
• 视口切换是它自己安排的，不用你指定：「它在改视口的尺寸，也就是把显示器尺寸调成笔记本那么大，接下来还会调成手机大小，这些它都会试一遍。」viewport（视口）就是网页可见区域的宽高，改它等于模拟不同尺寸的屏幕。→ 详细
• 对照组还是她自己：「这种事我自己一般也就是草草扫一眼——把浏览器窗口拉小，随便点一点，确认能用就行了。」→ 详细
• 而 agent 的移动端检查项列得很专业：accessibility（无障碍，即屏幕阅读器、色彩对比这类让残障用户也能用的设计）、内容溢出（文字/图片超出屏幕被切掉）、touch targets（触控区域，即按钮在手机上是不是大到手指点得中）。她的总结是：「它对『什么才算像样的移动端测试』有一套非常有条理的认知。」——这句话的分量在于：它不只是执行力强，它还带着一份你可能没有的检查清单。→ 详细

• 跑完的结果是硬数字：一共 11 个问题，其中 1 个是高严重级别的导航阻塞（就是上一节那个「点继续走不动」的 bug）。→ 详细
• 接下来是她整套工作流里最关键的一步，也是她「最爱让 AI 干的事之一」：让它把结果落成一份排好优先级的 Google Sheet，然后「拿这份 Google Sheet 当 tracker（跟踪表），用 sub agents（子智能体，即主 agent 派出去干具体活的分身）批量启动修复、跟踪进度」。也就是说，QA 的输出直接变成了下一段自动化的输入——发现问题和修问题被串成了一条闭环，而不是各自孤立的两次对话。→ 详细
• 表格里到底存了什么，她讲得很具体，而且点破了为什么这个格式重要：每条问题都带 viewport、问题是什么、复现步骤、以及该怎么修——「这对 agent 来说特别有用，因为复现问题需要的信息全在里面。」这是把「给人看的 bug 报告」升级成了「给机器执行的工单」。→ 详细
• 最后一个细节容易被忽略但很值钱：截图被直接塞进了表格里——「我可以随时对照，甚至拿来跟修完之后的效果做对比。」等于免费得到了一套修复前的基线快照（baseline），验收时不用再靠记忆比对。→ 详细

• 她先说了一个更规整的做法作为铺垫：「我大概会先让它基于代码整理出一整套测试用例，然后按着这些用例一条条跑，这样我心里更有底，知道它确实覆盖全了。」——先出 test suite（测试用例集）再执行，是把「它到底测没测全」这件事变得可验证。→ 详细
• 但紧接着她插了一条跟上面几乎相反的心得，而且是全片最反直觉的一句：「我发现对这些模型来说，prompt 写得少反而比写得多效果更好。」→ 详细
• 具体到可以直接照抄的对比：「因为它们本身足够聪明，你就直接说一句『QA 一下 onboarding 流程』，效果会比你列『把 onboarding 里这 25 项都测一遍』好得多。所以给你个小 tip：对前沿模型要少写 prompt，让它自己动脑子定计划，想怎么干就怎么干。」道理其实和上一节是一致的——你列的那 25 项，恰恰是你自己脑子里已有的清单，而你最需要它发现的，正是不在这份清单上的东西。你写得越死，它越只能还给你你已经知道的。→ 详细

• 这个用法的功劳她明确记给了她老公——「这个功劳得记在他头上，我老公 EJ Lawless」：他会用 Browser Use 去扮演自己产品里某个具体的 persona（用户画像，即把一类典型用户拟人化成一个有身份、有目标、有处境的虚构人物），然后以那个 persona 的口吻给反馈。→ 详细
• 她当场用 Monologue（一个语音转文字的输入工具）口述了三个 persona：①一个刚开完会的产品经理，要赶紧给某功能写一份 PRD；②一个工程师，拿着这份已写好的 PRD 把它变成技术方案、最后做出原型；③一个团队负责人，想搞清楚自己团队到底是怎么用 ChatPRD 的。→ 详细
• 最关键的是收尾那半句约束和产出要求：「**我就给你这么多指示，别的一概不说。**你把这三个 persona 的用例和流程各走一遍，然后写一份文档，用做用户研究的口吻点评整体体验，包括哪里有摩擦、哪里让人惊喜，以及你觉得我们可以怎么改进，才能更好地服务这三类用户。」——「摩擦点 / 惊喜点 / 改进建议」这三栏就是一份现成的研究提纲，可以整段抄走。→ 详细
• 她对这套方法的定位很克制，也很有分寸感：「我本人其实不太吃 synthetic user（合成用户，即用 AI 假装成用户来代替真实用户访谈）那一套，但这个框架我还挺喜欢。」区别在于——她不是拿 AI 编造用户的观点，而是让 AI 带着一个身份真的把产品用一遍，反馈来自实际操作而不是想象。她还点出了它的历史连续性：「我们以前写 prompt 不也老这么干嘛——『你是一个天才产品经理』『你是全世界最厉害的软件工程师』。现在我还是这一套，只不过配上了 browser use。」→ 详细
• 执行细节值得一提：agent 会自己编出合理的输入来推进流程。走 PM 路径时它自造了一段假 prompt：「我刚开完一个客户设计会，是关于 ChatPRD 里的 decision digest 功能。这些是我们遇到的问题，这是我大概想要的东西，这里还有几个待定问题。」然后盯着 ChatPRD 生成文档——她当时的悬念是「我特别好奇它到底会不会去分析文档本身的质量」。→ 详细

• 她先夸了过程本身的价值：「browser use 这种把内部思考过程摊开给你看的感觉，我真的很喜欢」——你看到的不只是结论，还有它一路上是怎么想的、在哪一步卡住的。→ 详细
• 第一个发现是结构性的，而且是真问题：在「PM 把 PRD 交接给工程师」这一步，它报出「工程师这次接手暴露出一个结构性断点」——「你能创建一个文档，但没法在另一个会话里 @ 提及或者引用它」。她当场承认这在 ChatPRD 里确实存在，团队正在琢磨怎么做引用。有意思的是成因：「很明显这个 agent 推理下来以为这个功能应该是另一种运作方式」——agent 的预期和产品的实现不一致，这个落差本身就是一条产品反馈。→ 详细
• 她给了这类价值一个很准的名字——「新鲜眼睛」：「你会开始真正代入某个 persona 或者某类用户的心态，然后发现那些其实特别明显、但你自己怎么都绕不过弯来的摩擦点——就是那种『新鲜眼睛』才看得见的东西。当然这次是 agent 的眼睛，不好意思，我实在想不出更好的比喻了。」老团队的诅咒就是你太熟了，所以看不见；而 agent 每次都是第一次用。→ 详细
• 第二个发现关于失败态的体验：工程师 persona 指出「加载页面特别慢，而且一片空白，界面在生成内容的时候完全没让人搞清楚到底在发生什么」。她怀疑当时可能是本地环境报了个错，但对反馈本身评价很高：「这个反馈对我来说特别有价值，因为我希望哪怕是失败状态，对用户来说也得是『说得通』的。」→ 详细
• 她的整段总结可以当成方法卡片收着：「设定一个 persona，让它钻进你用户的脑子里——在这个场景下甚至可以说是钻进用户的身体里——然后用 browser use 走一遍你的网站，最后给你一份报告，告诉你哪儿好用、哪儿不好用。」（「钻进身体」这个说法不是修辞：它真的在动手点。）→ 详细

• 她的 prompt 是一套完整的分诊规则：「请用浏览器帮我过一遍最近的未读消息，把特别要紧的都回掉。跟 ChatPRD 或者播客有关的优先处理，其余的就在这儿给我留个备注，说明我该怎么回。如果只是普通的道谢消息，客气地回一句就行。」——重点是它分了三档：直接回、留备注等你决定、模板式客气回。→ 详细
• 规模决定了必要性：「我这一天能收到好几百条。」而且这里没有别的路可走——「LinkedIn 没有官方的 MCP，也没有官方 API，所以我们这儿算是走了非官方渠道」，browser use 正是给没有接口的系统补接口。→ 详细
• 顺手一条成本心得：她这次用的是 GPT 5.6 的 high effort（高推理强度档，模型想得更久更细但更慢更贵），事后自评「其实换成 medium effort 大概就够用了，速度还会快很多……回 LinkedIn 消息我这明显是杀鸡用牛刀了」。结论是：「你完全可以按自己的需要，去调 Browser Use 的 effort 等级和智能水平。」→ 详细
• 演示中的真实一条：Christie 是她的朋友兼前同事，消息内容是想让她跟对方 CEO 聊聊；agent 回了消息，然后继续去过未读、筛选。→ 详细

• prompt 里塞进了一堆只有本人才知道的约束，这正是它比筛选器强的地方：「我这周末要去夏威夷，得添几件新衣服。好消息！Free People 的打折区现在还有额外 25% off。麻烦你用 Chrome browser use 逛一逛，挑 10 件我尺码的……尺码选 M 就行。记住，我还在哺乳期，6 个月前刚生完孩子。所以挑那种穿着舒服、方便哺乳、而且适合 7 月底夏威夷天气的。我要的结果是：购物车里躺着 10 件，我可以从里面挑着买。」（外加一句「记得对你的 AI 说声谢谢」。）→ 详细
• 它复述的任务理解相当准确：用 Chrome 挑 10 件 M 码、参与打折、透气舒适、方便哺乳的单品，加进购物车但不下单——保留最后拍板权给人，这是这类代理任务里很关键的一条止损线。→ 详细
• 中途翻过车：「我明明说了自己是刚生完孩子没多久的妈妈，它却挑了一条超短裙」，她当场吐槽「咱们就看看 5.6 的时尚品味到底怎么样吧，有待观察」。→ 详细
• 最终结果她验收得很满意：购物车里 10 件打折商品，全 M 码，算上额外 25%、税前一共 352 美元——一条长裙、一套裙装、宽松阔腿裤、短裤、一件背心（「太完美了」）、一件衬衫、两件开襟衬衫、一件小 V 领。→ 详细
• 她的验收结论是「它做得真的非常非常好」，全片的收束也落在这条弧线上：「这期从把 browser use 当调试工具开始，最后落到把 browser use 当私人采购。」同一个能力，两端跨度极大。→ 详细

• 购物跑到一半弹出人机验证，她的反应是全片最好笑也最有洞察的一句：「哎哟，不妙。你看，它认为我是个 agent——我确实是，抱歉了。」→ 详细
• 由此引出她常讲的一个观念，值得记住：「有时候你得给你的 AI 当那双手。我经常跟别人讲：有时候是我们让 AI 干活，有时候反过来，是 AI 让我们干活。」她给自己的角色起了个名字——「我就是套在 ChatGPT browser use 外面的那层『人工验证』」。也就是说，人不是被完全替掉，而是被挪到了流程里机器过不去的那几个关卡上。→ 详细

• 填烦人的表单：采购流程表单、给孩子报夏令营、在古董级老网站上填一堆字段——「browser use 和 computer use 简直是救命」。→ 详细
• 用 computer use 操作你的手机（这条最惊艳，且案例完整）：Mac 上有个 iPhone 镜像功能，可以把手机界面投到电脑屏幕上，而 computer use 能操作这个镜像窗口——「所以严格来说，你的电脑可以替你用手机」。真实案例是：她人在外地，几台 Mac mini 摆在加州家里，需要远程 SSH（安全远程登录）进那几台 MacBook 去改上面跑着的 OpenClaw，但它们不在同一网络，而管理 Wi-Fi 的 App 只装在手机上。于是她打开 Codex + iPhone 镜像，让 computer use「去把家里 Wi-Fi 的设置改好、更新路由器、SSH 进我的 MacBook，弄完之后再把那些端口全部关上」。评价：「真的挺惊艳的，效果非常好。」（注意最后那句「再把端口关上」——她把安全收尾也写进了指令里。）→ 详细
• 用 computer use 做 Google 文档和 Sheets：当 Codex 里的 MCP 和插件跑出来的结果不理想、或者卡在权限上，就直接让它开浏览器手动做——见第 3 节那条兜底策略。→ 详细

• 慢是她主动承认的头号缺点：「说实话 browser use 有个缺点就是慢。所以它跑的时候，我一般会在旁边开着别的东西，一边等它跑一边干点别的活。」——正确的用法是异步：发起任务、去干别的、回来收结果，而不是盯着看。→ 详细
• 非官方渠道：LinkedIn 那类用例本质上是绕过平台没提供 API 的限制，她自己说得很直白「算是走了非官方渠道」——好用，但要知道自己站在哪儿。→ 详细
• 隐私与安全她没有回答，而是留成了开放问题抛给观众：「你对隐私有什么疑问，对安全有什么疑问……欢迎在评论区告诉我。」考虑到这项能力的前提是把登录态、键盘鼠标、甚至整台电脑交出去，这是本片最大的一处留白。→ 详细

• 她的收尾判断是一句口号式的话：「Everything is computer（万物皆电脑），我真心觉得这会改变我们跟数字生活打交道的方式。」→ 详细
• 而她对 AI 的整体目标定义得非常清楚，也解释了她为什么偏爱这类功能胜过聊天：「我用 AI 的大目标就是：我人可以不在电脑前，但事情照样能办完。这样我才能安心享受我的夏威夷假期。」——注意这跟第 1 节 Jessie Janes 那句「妈妈的手闲不下来」是首尾呼应的：一个是解放嘴，一个是解放手。→ 详细

本片是 Claire Vo 的单人迷你剧集，没有嘉宾也没有 lightning round。收尾要点：

• 号召观众在评论区分享自己怎么用 computer use / browser use，以及关于隐私和安全的疑问，还有想看的其他「How I AI」选题。→ 详细

• 赞助一：Runway（一站式图片/视频/内容生成平台，客户含 Microsoft、Robinhood、Amazon、Adobe，以及 Lionsgate、Legendary 等影视公司；runwayml.com/howiai，优惠码 howiai）。→ 详细

• 赞助二：HyperAgent（部署常驻 agent 并投放到 Slack/Telegram/邮箱的平台，由 Airtable 原班人马打造，How I AI 听众可领 1000 美元免费推理额度；hyperagent.com/howiai）。→ 详细

• 播客与全部往期节目：howiaipod.com；也可在 Apple Podcasts、Spotify 或常用播客 App 收听。→ 详细

• 主持人：Claire Vo（How I AI 主持人、ChatPRD 创始人）；本期 persona 用例的点子来自她先生 EJ Lawless。→ 详细