作者实测 12 个 Personal Agent，基于 1505 条覆盖 11 类的用例，总结出评判 Personal Agent 好用程度的五个维度：记忆能力、信息获取、Computer Use、主动性和多端联动。文章通过记账、海鲜市场自动回复、自动剪辑视频、跨设备调度 Codex/Claude Code/Grok 等 9 个真实案例展开分析，指出 Agent 与个人已有账号和应用生态的重叠度决定其上限，并对比了 Today、Grok Bot、OpenAI Dots、千问等产品的差异，最终分享了以手机远程调度多台电脑多 Agent 协同的工作流。
作者花费两千元和两周时间实测 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四大 Personal Agent，测了 12 个自媒体平台的数据采集，最终成功委托率仅 33%。文章指出 Personal Agent 无法完全替代本机，存在账号登录、多任务管理等问题。作者最终选择 OpenAI Dots 作为云端方案，配合本机 Codex，总结出三个核心提示语：多任务进度条追踪、Computer Use 六道门采集验证、云端融合日报生成，并分享了邮件自动分拣回复、飞书文档中转等实用技巧，搭建了一套覆盖数据采集、日报和 AI 选题的完整工作流。
作者分享了一套基于 AI 助理 Dot 的小红书自动化内容运营体系。通过 Codex 云端电脑的 Computer Use 能力模拟浏览器操作，结合飞书 CLI 读写四张运营多维表格，实现每日定时选题、做图、发布和复盘的完整闭环。文章详细介绍了账号定位与内容标准制定、选题库存管理、角色出处核验与主图生成、排版检查与单次提交、公开状态核验与登记、按 D2/D3/D5/D7 阶段复盘等八个环节，并强调异常停止与恢复规则、去重机制和授权安全。运行五天未见平台异常，流量稳定上涨。核心思路也可迁移到其他具备虚拟鼠标能力的 AI 助理。
本文是 AI 名词扫盲系列第三期，面向小白讲解如何让 AI 工具变得更强，重点介绍与扩展 AI Agent 能力相关的常见名词。文章逐一解释了工具调用（Tool Calling）、API、MCP、CLI、连接器、插件、API 地址、API Key、模型 ID、Computer Use 等 10 个概念，并配以生活化的例子说明其作用与原理。作者还提醒读者注意保管 API Key、避免将密钥写入前端代码等安全事项，帮助读者理解 AI 如何连接外部工具完成实际任务。
作者介绍了 amontlabs/lcu 项目，它将 Codex 的 Computer Use 能力（让 AI 看屏幕、点鼠标、敲键盘操作电脑）拆分出来，通过 MCP 接口供 Claude Code、Codex CLI、Pi 等其他 AI Agent 工具调用。该项目并非重新实现，而是直接调用本机 ChatGPT 桌面版内置的 OpenAI 原版 Computer Use 运行时。它只提供 js 和 js_reset 两个工具，模型通过预置的 cua 对象编写 JavaScript 代码完成点击、输入、截图等操作，环境保留状态，并支持读取无障碍信息按元素点击。已适配 Pi、Codex CLI、Claude Code，支持 Apple Silicon Mac 和 X11 Linux，Windows 11 处于候选阶段。
本文解读 OpenAI DevDay 2026 的 Latent Space 播客，嘉宾包括 Computer Use 负责人 Ari Weinstein 和 API 平台负责人 Nikunj Handa。文章指出 Agent 可靠性的定义已从“能否启动任务”转向“出错后能否自我调试与重试”。核心发布包括：Dots（每个 Agent 配备云端虚拟电脑）、GPT-6.1 Sol（Computer Use 成本仅为 Astra 的七分之一）、App Shots（捕获无障碍元数据的新输入方式）、Decisions API（一周零样本克隆 Jev）。文章还分析了缓存与压缩的 Agent 经济学、异步调用与 mid-turn steering 等 API 能力，并提出 OpenAI 正走向“AI 云”的 AWS 时刻，护城河向推理基础设施与平台生态迁移。
Manus 发布 2.0，是脱离 Meta 恢复独立运营后的首次大更新。底层智能体框架 Cascade 换代，Token 消耗、完成时间和运行成本均显著下降；桌面端升级为 Manus Studio，新增视频剪辑和游戏开发两个专业环境，支持时间线编辑、可视化改代码和云电脑长期在线。自动化升级为事件触发，并支持手机远程操控电脑。另推出独立个人智能体 App Cue，每个智能体拥有自己的邮箱、手机号、钱包和电脑，可替用户点单、接电话等，目前需邀请码体验。
作者以个人技术视角回顾了 2022 年底 ChatGPT 上线至 2026 年约四年的 AI 发展历程。从最初围绕聊天框的 Prompt Engineering，到 2023-2024 年 RAG、工具调用与工作流编排（LangChain、n8n、Dify、MCP）；2025 年 Codex CLI、Claude Code 等编程 Agent 兴起，本地部署与浏览器 Agent 出现，长任务催生上下文工程与 Harness 机制；2026 年 Skills 生态、OpenClaw 个人助手、多 Agent 协作与电脑操作能力成熟。文章梳理了从聊天框到完整任务执行系统的演进脉络，展示了 Agent 工具、技能与协作形态的迭代过程。
作者以技术小白视角分享 Jev 内测体验，用大白话解释 Jev 与 ChatGPT、Claude 等大模型的区别。传统大模型操纵电脑需逐步截图、生成指令，速度慢；Jev 则不做长文本生成，只做单选题式快速决策，几十毫秒内从页面可点元素中选定下一步，配合机械手执行。文章引用多个社区实测：Browser Use 创始人搜机票仅 7 秒、成本约 $0.0039；idan 的 WebMCP 基准显示 Jev 加 WebMCP 从 25/49 提升到 49/49，成本仅顶级大模型 computer use 的 1/112。作者认为未来 AI 协作是大模型规划、Jev 秒选、程序执行的分工模式。
文章复盘了马斯克发布的 Grok Bot 从原型到公开发布的产品历程：小团队用约 4 周做出内部可用原型，再花 3 周公开发布。作者从 AI 产品视角总结十条经验：缩短决策链、独立产品设计入口、陪早期用户上手、云端运行与 Computer Use 降低用户负担、以'靠谱同事'为设计框架、发布前删功能、聚焦接走完整工作流而非生成内容、关注监督成本而非单纯完成率、用脚手架思路应对模型迭代，以及普通人如何从低风险小事开始使用 Agent。
文章探讨 Cua 团队基于 TypeSafe 发布的 System One 模型 Jev 的实验。Jev 不做开放式文本生成，而是提供决策接口：输入上下文和候选选项，返回类型化决策（Choice、Score、Noul 三种原语）。作者分析在 computer-use agent 中，表单填写等局部决策并不都需要通用 LLM 完成，可将应用观察状态、构建候选动作，由模型评分选择，再由应用验证执行的循环架构。文中还讨论了纯文本决策模型如何借助 OmniParser 等感知模块将截图转为结构化元素，以及 Kahneman 快慢思维类比在模型分类中的局限。
本文介绍如何利用 GPT6 Codex 的 Computer Use 能力全自动操控 Blender，构建零门槛的 AI 视频生产工作流。分为两大部分：一是复刻工作流，让 AI 自动分析参考视频的场景、人物动作和镜头运动，复刻出 3D 白模预演，再通过 AI 视频模型生成写实成片；二是原创工作流，仅用自然语言指令即可生成白模动画并迭代调整。白模作为'动态骨架'先锁死镜头、走位和空间遮挡关系，AI 只负责渲染画面，有效解决传统 AI 视频镜头漂移、人物变形、空间错乱等问题，实现低成本、高可控的视频生产。
本文介绍了 ego-lite——一个专为 AI Agent 设计的 Chromium 内核浏览器，解决 Codex 处理需登录网页时体验糟糕的问题。ego-lite 通过'任务空间'机制提供隔离的浏览上下文，原生继承真实登录态，免去重复登录和 2FA 验证。相比 Computer Use 的视觉截图+模拟鼠标方式，它采用 DOM 语义树实现快速、静默、不打扰人的操作；相比 Playwright 等传统工具，无需手动注入 Cookie。文章详细讲解了安装配置、语义工作流、视觉工作流、CDP 模式三种使用方式，以及验证码等场景下的人机控制权无缝交接机制，并强调任务空间的状态保持与提示词技巧，帮助将 Codex 的能力边界大幅推进。
本文介绍如何利用 Nex-N2.5 Pro 的 Computer Use 功能，全自动完成 Google 广告站出海流程。作者指出建站核心不是写代码，而是发现真实需求。通过 AI 自动操作浏览器，在 Google Trends 和 Semrush 中完成关键词调研、竞品分析和长尾词筛选，再快速搭建 MVP 网站，配合 SEO 框架、内容优化和外链建设，实现广告变现。文章强调 AI 已能充当不知疲倦的执行团队，让个人成为超级个体，并推荐了多个 SEO 相关 skills 和免费模型入口。
作者实测了主打 Computer Use 能力的 Nex-N2.5 Pro 模型（397B 参数），验证其在 Blender 3D 建模到 Three.js 前端交互网页的全自动长流程操作。测试显示其能在无 API 的桌面 GUI 中完成建模、材质设定、glTF 导出及前端渲染，全流程 1 分 48 秒，坐标对齐率 99.4%，60 FPS 稳定渲染。文章同时指出其工程边界：单步延迟 2-4 秒、视觉遮挡下的重试开销高。作者建议结构化任务优先用 API 与代码，而无接口的专业桌面软件自动化、遗留系统对账等场景则适合切入 Computer Use。
作者以制作一本莫干山网页电子相册的真实过程为例，通俗讲解 AI 领域常见术语的区别与实际含义。文章将 Agent 比作能动手的小助理，依次拆解提示词、上下文、工作区、工具调用、Skill、MCP、插件、Computer Use 等概念，并强调权限、沙箱、审批等安全机制的重要性，说明“干多大的活，给多大的权限”。最后介绍日志、SHA-256 校验、验收测试、HITL 人在回路等结果检查方法，以及定时任务、状态与记忆，帮助零编程读者看懂 AI 工具的工作方式，并附中英术语对照表。
本文通过台式即热饮水机和镜面体测仪两个本地项目，讲解如何用 GPT-6 配合 Rhino 建模软件，把 AI 生成的概念图转化为可检查、可修改的三维产品外观模型。文章区分了外观效果图、三维外观模型和可生产工程设计三个层次，介绍了 MCP 和 Computer Use 两种操作通道的分工与验证方法，并给出环境配置、提示词编写、尺寸约束管理和规格冲突识别的实操建议。作者强调模型能打开、能渲染不代表工程验证已完成，AI 建模的关键能力在于把使用需求转化为可检查的几何关系，并主动发现要求之间的矛盾。
本文是一篇面向零基础读者的保姆级教程，讲解如何用 GPT-6 Astra 结合 Rhino 8 进行工业设计三维建模。作者介绍了 Rhino 软件的基本概念、环境准备（安装 Rhino 8、RhinoMCP、Codex、Computer Use）、双通道工作流（MCP 精确建模 + Computer Use 视觉对比），并提供了系统提示词模板。通过实用型饮水机和镜面体测仪两个完整案例，详细演示了从拆解零件、建立图层、大体块建模、细节处理到材质渲染和验收的全流程，帮助读者掌握 AI 辅助产品外观设计的方法。
作者分享了使用GPT-6 Astra操控Blender进行3D建模的保姆级教程。文章介绍了三种方式：Computer Use模拟人类操作（如4小时搭建天坛祈年殿，但耗费大量额度）、Blender官方MCP通过底层API控制（更适合复杂任务，需拆分步骤避免超时）、以及CLI调用Python脚本。作者指出AI擅长建筑、车辆等规则几何结构，但对生物角色建模效果差，建议结合Tripo AI等3D生成模型制作角色再导入Blender完成骨骼绑定、材质和动画流程。文章最后感慨创作平权化，认为未来差距将取决于想法、审美与判断力。
作者继续测试GPT-6 Astra设计无人机飞控PCB板。为了让AI设计的板子享受嘉立创6层板免费打样优惠，作者尝试让Codex连接嘉立创EDA。出乎意料的是，Codex没有使用MCP或API，而是直接像人一样操作嘉立创EDA软件，自主查阅引脚资料和图纸后绘制PCB。作者原本对Computer Use功能不屑一顾，认为会干扰日常工作，此次体验后表示必须重新审视该功能。过程中AI还将4层板自行改为6层板，引发网友讨论。
作者利用 GPT-6 配合 Computer Use 实际操作 Godot 引擎，导入并运行自制横版三维清版动作游戏《兽潮·末班货运》，完整演示了从工程导入、编辑器界面认识、运行调试、键盘操作练习到修改角色速度并验证的全过程。教程约1.6万字、22章，配22张实际操作截图，面向零基础读者，分三轮学习：先导入运行，再认识节点与文件并做参数修改实验，最后深入招式、骨架与场景搭建。文章强调建立'操作与结果'的联系，并区分编辑器与运行时状态、计划功能与已实现功能。
程序员鱼皮实测 OpenAI 最新发布的 GPT-6 Astra 模型，通过 4 个由浅入深的案例评估其能力：3D 程序化城市生成器、3D 奥德赛战争视频动画、复刻 Cursor 的全栈 AI 编程工具，以及操作 KiCad 完成电路板布线。结果显示 Astra 在前端审美、产品设计、生成速度方面较 GPT-5 系列大幅提升，且有自己的产品想法，速度比同级模型快近三分之一；但在精细的 Computer Use 画布交互上仍存在坐标不准等问题，且 Codex 额度消耗明显更快。作者认为 Astra 适合视觉要求高的前端和全栈项目，日常任务用国产模型更划算。
GPT-6 Astra上线后，其Computer Use能力引发全网轰动：AI可直接操控Blender、Houdini、Unity等专业软件，自主完成3D建模、动画制作甚至游戏Demo。作者以《神之天平》为例，感慨过去独立开发者15年心血才能完成的作品，如今上限被大幅提升。文章指出，AI对GUI操作的泛化，让'执行能力'失去稀缺性，职业价值将被拆解为判断力与执行能力两层。但吊诡的是，人类的判断力恰恰从执行中磨炼而来——执行贬值而能力长于执行，这是时代最大的矛盾。作者担忧AI替人绕过痛苦的同时，也带走了人的成长路径，乃至传承。
作者花叔开源了huashu-mac-use skill，让Claude Code、Codex、Cursor等agent在Mac上操控无API的原生app。文章展示了用Claude Code操控Blender生成10万吨邮轮参数化模型和巧克力甜甜圈渲染动画的案例。核心原则是：能走脚本接口就不看图、能不点鼠标就不点鼠标，读操作不抢用户焦点，写操作前过四道闸，每步操作需回读验证留下可复现证据。skill按app内核（原生/Chromium/辅助功能树）自动选择操控通道。作者还介绍了以『教训变工具行为』为核心的进化机制，通过评审、重构把踩坑日记压缩成高效接口。
文章系统梳理了 GPT-6 Astra 在三大硬核领域的突破案例。一是 3D 建模与空间设计：AI 通过写代码直接调用 Blender 和 UE5，生成包含数千个可编辑零件的工业级工程文件，从单张图纸还原蒸汽火车、地标建筑，到照片转 3D 带看片，初级建模外包的护城河被抹平。二是独立游戏开发：Astra 首次真正理解物理引擎与即时交互，几分钟内即可生成带漂移、碰撞、道具系统的 3D 联机游戏。三是桌面专业软件代操作：Computer Use 能力让它接管 Final Cut 剪辑、Canva 绘画、PCB 布线等工作，靠熟练度吃饭的岗位正被颠覆，而普通创作者则获得前所未有的创作机会。
作者陈硕实测 GPT-6 Astra 一整天，通过 30-45 分钟制作可跑的 3D 游戏 Demo，验证了其核心能力。文章总结了 GPT-6 的四大升级：Computer Use 真正执行操作、异步工具调用、任务中追加指令、推理强度按阶段切换。还筛选了 X 上三个典型案例：重建火车图为 3295 个可编辑对象、自动跑模拟器测试、核对 41 份财务文件。作者强调应将 AI 整合进工作流，拆分输入、工具调用、验收和人工确认环节，而非神化模型能力，敏感操作仍需人工把关。
GPT-6 Astra发布，OpenAI的官方定位不是最聪明模型，而是最擅长电脑操作的模型。其核心能力Computer Use背后是Ari Weinstein十三年的技术积累：从2013年iOS应用Workflow，到被苹果收购演变为Shortcuts，再到创办SAI开发Mac AI助手Sky，最终2025年被OpenAI收购。文章分析Computer Use将Blender、KiCad等高门槛专业软件拉到消费级，真正受益者是"有界面没API"的传统工具与3D打印等硬件品牌；软件生态的接口是GUI而非API，五大巨头正争夺用户与软件之间的入口。AI行业计价单位正从"字"转向"事"，能干活的AI比能考满分的AI更值钱。
作者分享了使用 OpenAI GPT-6 Astra 的五点心得。Astra 能够操作各类桌面应用（如 BrickLink Studio 十分钟内完成乐高金门大桥模型），并能自然地结合代码与应用完成任务。它能承担更多产品层面的思考，例如自动补全快捷键、图层等交互设计，帮助作者快速构建个性化软件。Astra 在 Blender 3D 建模方面表现出色，无需旧版辅助 Skill 即可胜任任务。作者建议：给 Astra 开放实际工作所需的应用权限，先用原生能力尝试而非依赖旧 Skills，给出想法和参考即可，不必事无巨细地指定每个交互细节。
本文介绍了如何用 Codex 在 30 分钟内零代码搭建个人网站。作者 Miles Ma 详细讲解了完整流程：在 Spaceship 购买域名并注册 Cloudflare；在 Codex 中新建项目并整理个人资料、文章和图片；让 Codex 通过 Computer Use 分析参考网站（如 Immersive Garden）的结构、风格和交互；确认规划后生成第一版，并在浏览器中逐处迭代修改；最后通过 wrangler 授权部署到 Cloudflare 并绑定域名上线。文章还介绍了如何利用子域名（如 cv、course、tools）在同一域名下扩展在线简历、课程和工具页面，实现一人低成本持续维护个人站点的最佳实践。
作者开源了一个名为 douyin-image-post-scheduler 的 Codex Skill，实现 AI 操纵浏览器自动发抖音的完整流水线：图文素材批量验证、自动起标题、选话题标签、按时间窗排期、发布前逐条核验。全程在用户自己登录的 Chrome 中运行（Computer Use）。细节上采用固定随机种子保证排期可复现、支持断点续传避免重复发布、能区分「审核中」和「已排期」状态。作者提醒这是非官方工具，仅用于发布自己的内容。
