Codex × Chrome：让 AI 直接控制浏览器

这个案例介绍如何让 Codex 借助浏览器相关能力完成网页操作任务，比如打开页面、搜索内容、点击结果和返回链接。

最后核对

官方资料最后核对日期：2026-05-27。本文参考 Using Codex with your ChatGPT plan 与 Codex use cases。具体插件名称、安装流程和入口位置可能会随客户端版本或工作区配置变化。

适用场景

• 让 Codex 帮你在网页里搜索资料。
• 让 Codex 打开某个站点并完成简单点击流程。
• 在不离开当前工作区的前提下，把浏览器操作接入任务链路。

在半桶水课程里，它对应的是“资料查找 / 网页协作 / 人工审批”的工作流：Codex 可以帮你打开网页和整理结果，但涉及登录、提交、付款、删除的动作必须由人判断。

这节解决什么

很多工作资料在网页里：搜索结果、后台页面、帮助文档、表单状态、活动页面。浏览器能力让 Codex 能看到页面并操作页面，但这类能力比普通文档任务风险更高。

这节练的是：让 Codex 完成低风险网页操作，并学会用来源链接和截图验证结果。

工作流卡

项目	内容
输入	目标网站、搜索词、允许操作、禁止操作、输出格式
Codex 负责	打开网页、搜索、点击、读取页面、返回链接或摘要
人类判断	是否允许登录、是否允许提交、是否会暴露个人信息
输出	链接、摘要、截图、页面状态说明
验收	网站正确、来源可打开、结果相关、没有执行高风险动作

适合谁

这一节适合：

• 想让 Codex 帮忙查资料、找页面、整理链接的人。
• 想在本地网页或公开网页上做低风险检查的人。
• 需要让 AI 帮忙看页面状态，但不想自己反复点击的人。

第一次练习建议使用公开网页，不要直接使用公司后台、支付页面或个人账号页面。

使用前先理解一件事

这里说的“控制浏览器”，更准确地说，是让 Codex 借助浏览器或浏览器插件能力去完成网页交互。不同工作区里，入口可能叫 Chrome、Browser，也可能表现为浏览器插件或内置浏览能力。

因此，更稳妥的理解方式是：

1. 在当前工作区确认是否已经启用了相关浏览器能力。
2. 如果是第一次使用，按界面引导完成浏览器侧安装或授权。
3. 安装完成后，再在任务里明确告诉 Codex 你想让它做什么。

一个常见流程

如果你的客户端提供了 Chrome 相关插件或浏览器能力，常见流程通常类似这样：

1. 在 Codex 桌面 App 中找到对应的浏览器能力并启用。
2. 按引导完成浏览器侧的插件安装或连接配置。
3. 回到任务中，明确描述目标网页、搜索词和预期输出。

第一次点击后会跳转到浏览器插件安装页，点击添加扩展即可

任务示例

你可以像下面这样给出一个明确任务：

请使用浏览器能力打开 Bilibili，搜索“RAG 知识库 教程”，找一个适合新手入门的视频，并把标题和链接返回给我。

一个类似任务完成后，Codex 可能会：

1. 打开目标站点。
2. 搜索你提供的关键词。
3. 进入相关结果页。
4. 把它认为最合适的结果链接返回给你。

你要重点检查什么

• 它打开的网站是不是你指定的那个站点。
• 搜索词有没有被错误改写。
• 点击结果后返回的是不是你真正需要的页面，而不是广告页或无关页。
• 如果涉及登录态、个人数据或付费后台，是否会超出你愿意授权的范围。

验收标准

完成这个案例后，至少确认：

• 浏览器能力已经启用，Codex 能打开目标页面。
• Codex 返回的链接可以再次打开。
• 搜索词、筛选条件和点击路径没有偏离任务。
• 如果有截图，截图能证明页面状态。
• 没有登录、提交、删除、付款或发布等高风险动作。

复用方式

可以保存成这个任务模板：

请使用浏览器能力完成一个低风险网页任务。

目标网站：
任务目标：
搜索词或页面路径：
允许操作：
禁止操作：
输出格式：
验收标准：

只允许浏览、搜索、读取和截图；涉及登录、提交、删除、付款或发布前必须先停下来问我。

风险提醒

• 浏览器相关能力通常比纯文本任务权限更高，第一次使用时建议从只读、低风险页面开始。
• 不要直接让 Codex 操作带有支付、删除、发帖、提交表单等高风险页面，除非你准备全程复核。
• 如果教程依赖插件安装，未来界面名称或入口位置可能变化，因此文档里应优先描述“能力和流程”，而不是把某个按钮位置写死。