OpenAI Codex 2026年5月大更新全面拆解：Appshots屏幕读取、Goal自主编码、锁屏远程操控与ChatGPT攻入PowerPoint

本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。

快速摘要

2026年5月21日，OpenAI 一口气给 Codex 塞了五个大招：Appshots 让你双击 Command 键就能把当前屏幕内容（包括没滚动到的隐藏文本）喂给 AI；/goal 模式正式从实验阶段毕业，支持跨小时甚至跨天的长周期自主编码；"Locked Use"功能让 Mac 锁屏休眠状态下 AI 依然能操控桌面应用；内置浏览器新增高级标注和批处理评论；团队插件共享机制上线。同一天，ChatGPT for PowerPoint 插件全球公测，一句话就能在 PowerPoint 内部从零生成整套可编辑幻灯片，还能直连 Gmail、Outlook、SharePoint 拉取实时数据。截至目前，Codex 周活跃用户已突破 400 万，其中一半用户干的事已经跟写代码没关系了。

想看完整拆解和我的实操体验，往下翻。

一、Codex 到底是什么？从编程工具到全栈工作平台的蜕变之路

很多朋友可能还停留在"Codex 就是个 AI 写代码的工具"这个印象里。说实话，半年前我也这么认为。但从 2026 年初到现在，这东西的变化速度快到让人有点跟不上。

Codex 最早的雏形可以追溯到 2025 年 5 月，当时 OpenAI 发布了 Codex Cloud 的研究预览版，底层跑的是 codex-1 模型——本质上是 o3 推理模型的一个专门针对软件工程优化的版本。那时候它能做的事比较有限：写写功能代码、回答代码库相关的问题、修修 Bug、提交代码变更让你 Review。说白了就是一个"AI 编程助手"。

转折点出现在 2026 年 2 月。OpenAI 发布了 GPT-5.3-Codex 模型，这个模型有个很有意思的标签——OpenAI 官方说它是"第一个在自身创造过程中发挥了关键作用的模型"。简单理解就是，这个 AI 模型参与了自己的开发过程。同月，Codex 桌面应用在 macOS 上线；3 月份 Windows 版跟上。

到了 2026 年 3 月，Codex 的周活跃用户突破 200 万。OpenAI 开始明确把它定位成一个"更广泛的企业级智能体平台"，不再局限于软件开发。紧接着 4 月 16 日的那次大更新，Computer Use（计算机使用）功能上线，Codex 可以看到你的屏幕、移动光标、点击和打字，直接操控 macOS 上的应用。同时还加了内置浏览器、图像生成（基于 gpt-image-2.0）、记忆功能、以及 90 多个新插件。

我自己折腾下来的感受是，4 月那次更新之后，Codex 已经不再是一个"编程工具"了，它更像是一个能在你电脑上独立干活的 AI 同事。而 5 月 21 日这波更新，等于是在这个基础上再加了一层"远程控制"和"长期自主工作"的能力。

下面这张表帮大家理清 Codex 的关键里程碑：

可以看出来，Codex 的进化路径非常清晰：从"回答编程问题"→"帮你写代码"→"替你操控电脑"→"在你不在的时候自己干活"。这不是一个工具在迭代，这是一整套工作方式在被重新定义。

值得补充一个容易被忽略的细节：2026 年 3 月，OpenAI 还发布了 Codex Security，这是一个专门用于应用安全的 AI 智能体。它的工作方式很有意思——先对整个代码仓库做一次威胁建模（Threat Modeling），搞清楚哪些模块存在潜在的安全风险面，然后再针对性地扫描漏洞并提出修复方案。这个思路跟传统的代码扫描工具（比如 SonarQube、Snyk）有本质区别——传统工具是基于已知漏洞模式做模式匹配，而 Codex Security 是先理解系统架构再做安全审计。

另外，2026 年 5 月 7 日还有一个值得关注的更新——Codex Chrome 扩展上线了。这个扩展允许 Codex 直接在 Chrome 浏览器里操作，可以并行处理多个标签页，在后台运行而不抢占你的浏览器控制权。再加上 5 月 14 日上线的移动端预览，以及 5 月 21 日的 Appshots、/goal、锁屏操控——整个 5 月份，Codex 几乎每周都在发大更新。OpenAI 的产品迭代速度真的是在"狂飙"。

二、Appshots：双击 Command 键，AI 瞬间看穿你的屏幕

2.1 这个功能到底是什么？

Appshots 是这次更新里我个人最喜欢的功能，没有之一。

操作方式简单到令人发指：在 Mac 上连续按两下 Command 键（就是键盘两侧的 ⌘ 键），当前最前方的应用窗口就会被"啪"地一下抓取，然后自动附加到 Codex 的对话线程里。

但这不是普通的截图。

普通截图只能拿到屏幕上你眼睛能看到的那部分内容。Appshots 不一样——它同时会抓取窗口中没有滚动到的、隐藏在屏幕外的文本内容。也就是说，你打开了一篇五千行的技术文档，屏幕上只显示了前三十行，按两下 Command 之后，Codex 拿到的是完整的文本内容，不只是你看到的那一小块。

这个能力在技术实现上依赖 macOS 的两个系统级权限：

• Screen & System Audio Recording（屏幕录制权限）：让 Codex 能捕获最前方窗口的截图。
• Accessibility（辅助功能权限）：让 Codex 能读取窗口中的可访问文本（Accessible Text），这才是它能"看到"隐藏内容的关键。

第一次使用时，macOS 会弹窗让你授权这两个权限。授权一次之后，后面就不用再管了。

2.2 实际使用场景有多香？

我这几天实际用下来，发现 Appshots 最大的价值不在于"截图"本身，而在于消除了上下文传递的摩擦。

举个具体的例子。我之前在看一份 API 文档，想让 Codex 帮我基于这份文档写一个对接脚本。老的工作流是这样的：

1. 打开 API 文档 → 2. 复制关键参数 → 3. 切到 Codex → 4. 粘贴 → 5. 描述需求 → 6. 等结果

现在用 Appshots 之后：

1. 打开 API 文档 → 2. 双击 Command → 3. 说一句"帮我写个对接脚本" → 4. 等结果

步骤直接砍掉了一半，而且关键是——Codex 拿到的信息比我手动复制的要全得多。因为我复制的时候肯定会漏掉一些参数说明或者注意事项，但 Appshots 是把整个文档的文本都抓过去了。

再比如，你收到了一封超长的技术邮件，里面有各种需求描述、截止日期、技术细节。双击 Command，Codex 就全拿到了，你可以直接问它"帮我整理一下这封邮件的关键行动项"或者"根据这个需求帮我生成一个初始代码框架"。

2.3 一些交互细节值得注意

莫潇羽在这里提醒几个容易忽略的细节：

60 秒自动追加规则：如果你在 60 秒内跟某个 Codex 线程互动过，新的 Appshot 会自动追加到那个线程里，而不是开一个新对话。这意味着你可以快速地连续截取多个窗口，它们都会被塞进同一个上下文里。比如你想让 Codex 同时参考一份设计稿和一份需求文档——先打开设计稿，双击 Command；马上切到需求文档，再双击 Command。两张 Appshot 就在同一个线程里了。

可以查看抓取到的完整文本：抓取之后，你可以在 Codex 界面里点开"浏览文本"，看到 AI 提取出来的完整文字版内容。这个功能对于检查 AI 是不是拿到了正确信息很有用。

快捷键可以自定义：如果你觉得双击 Command 容易误触，可以在 Codex 设置里改成其他快捷键。

目前只支持 macOS：Codex 桌面应用在 Windows 上也有，但 Appshots 功能依赖 macOS 的辅助功能和屏幕录制接口，所以暂时只有 Mac 用户能用。Windows 用户需要再等等。

隐私提醒：使用 Appshots 本质上是在把你屏幕上的内容共享给 AI。所以要注意避免在敏感内容（比如个人隐私信息、公司机密文件）上使用，除非你的工作确实需要 AI 处理这些内容。在企业场景下，管理员应该能通过策略控制哪些场景允许使用 Appshots。

2.4 Appshots 的技术原理深挖

很多人好奇，Appshots 凭什么能拿到屏幕上"看不到"的内容？这里面涉及到 macOS 的辅助功能体系（Accessibility Framework）。

在 macOS 上，大多数应用的 UI 元素都会暴露一套"可访问性树"（Accessibility Tree）。这个树结构记录了窗口中所有的文本内容、按钮标签、输入框状态，包括那些因为滚动位置不在视口内但确实存在于文档中的文本。比如你打开一个网页，浏览器的 Accessibility Tree 里会包含整个页面的 DOM 文本，而不只是当前视口渲染出来的那一屏。

Codex 通过 macOS 的 Accessibility 权限，可以遍历最前方窗口的可访问性树，提取出完整的文本内容。同时通过 Screen Recording 权限拿到一张截图。两者结合，AI 就同时拥有了"视觉信息"（截图）和"结构化文本信息"（完整文档内容）。

当然，不是所有应用都能完美支持这个功能。如果某个应用没有正确实现 macOS 的辅助功能接口（比如一些用自定义渲染引擎的跨平台应用），Codex 可能只能拿到截图，拿不到文本。但主流的开发工具、浏览器、邮件客户端、Office 系列基本都没问题。

还有一个值得注意的细节：Appshots 抓取的内容不仅包括文本，还包括文件路径和 URL。比如你在浏览器里打开了某个 API 文档页面，Appshots 会同时把当前页面的 URL 传给 Codex。这样 Codex 可以知道你在看哪个文档，必要时还能自己去访问这个 URL 获取更多信息。这对于编程场景特别有用——你在看 SDK 文档，AI 不仅知道你在看什么，还能顺着链接去读更多相关内容。

2.5 Appshots 的更多实战场景

除了前面提到的 API 文档对接场景，我再补充几个我觉得特别实用的用法。

Bug 复现与排查：你在测试环境里碰到一个奇怪的 Bug，控制台报了一堆错误。双击 Command 把浏览器的开发者工具窗口抓给 Codex，然后说"帮我分析一下这个报错是什么原因，可能跟哪段代码有关"。Codex 能看到完整的错误堆栈、网络请求日志、控制台输出，给出的分析会比你纯文字描述问题准确得多。

设计稿还原：设计师在 Figma 里画好了一个组件，你需要用代码把它实现出来。双击 Command 把 Figma 窗口抓给 Codex，它能看到组件的视觉样式，还能读到 Figma 暴露的文本标签信息（比如颜色值、间距数值）。然后你说"帮我用 React + Tailwind 把这个组件写出来"，省去了大量手动量像素的工作。

代码 Review 辅助：你在代码托管平台的 Pull Request 页面上看代码变更，某些改动你看不太懂。双击 Command，让 Codex 看看这个 PR 改了什么，帮你分析一下有没有潜在问题。由于 Appshots 能拿到页面上的完整文本（包括 diff 内容），Codex 对变更的理解会比你口头描述靠谱得多。

邮件快速处理：收到一封很长的英文技术邮件，里面有各种参数要求和截止日期。双击 Command，让 Codex 帮你翻译成中文，同时整理出关键行动项和时间线。我试过这个场景，效果出奇地好。

终端日志分析：跑了一个 CI/CD 流水线失败了，终端输出了几百行日志。双击 Command 把终端窗口抓过去，Codex 能拿到完整日志文本，直接帮你定位是哪一步出了问题、应该怎么修。不用再费劲地把日志复制粘贴到对话框里了。

2.6 跟竞品的横向对比

目前市面上类似的"屏幕上下文注入"功能并不多。Anthropic 的 Claude Computer Use 能看到屏幕并操控，但它的定位更偏向"替你操作"，而 Appshots 更偏向"看懂你在做什么，然后帮你"。GitHub Copilot 主要还是在 IDE 内工作，上下文来源局限于代码文件。Cursor 也是类似的思路。

值得一提的是，Google 在 2026 年 4 月 15 日也推出了 Gemini Mac 应用，但它主要还是一个对话式 AI 助手，没有类似 Appshots 这种系统级的上下文注入能力。三家的产品定位差异其实很大：Codex 走的是"全栈工作平台"路线，Claude Computer Use 走的是"安全沙盒操控"路线（它不直接碰你的真实文件，安全性更强），Gemini 目前更偏通用助手。

Appshots 的独特之处在于它打破了"编辑器"的边界——不管你在用什么应用（浏览器、邮件客户端、设计工具、终端），只要按两下 Command，Codex 就能介入。而且它的交互成本极低——两次按键，比打开一个分享菜单还快。这个设计思路非常聪明，降低了"AI 融入工作流"的摩擦到几乎为零。

三、/goal 模式正式毕业：给 AI 设个目标，它能连续干好几天

3.1 从"问答模式"到"目标驱动模式"

/goal 这个功能其实从 2026 年 4 月底就开始以实验性质出现了，当时是在 Codex CLI 的 0.128.0 版本里首次亮相。这次 5 月 21 日的更新，它正式从实验阶段毕业，全面开放给 Codex App、IDE 扩展和 CLI 的所有用户。

要理解 /goal 的意义，得先搞清楚一个根本性的区别。

传统的 AI 编程助手（包括早期的 Codex）工作方式是问答模式：你给一个 Prompt，AI 给一个回复，一轮结束，任务中断。如果你有一个复杂的工程任务——比如"把这个项目从 Python 3.8 迁移到 3.12，同时把所有 Pydantic v1 的代码升级到 v2，确保全部测试通过"——你需要不断地给它发指令、检查结果、再发下一步指令。

/goal 模式彻底改变了这个交互范式。它的工作循环是这样的：

设定目标 → 规划 → 执行 → 测试 → 审查 → 迭代 → 直到目标完成

用 Mermaid 流程图来表示就是：

graph TD
    A[用户设定 /goal 目标] --> B[Codex 制定计划]
    B --> C[执行代码变更]
    C --> D[运行测试]
    D --> E{测试通过？}
    E -->|否| F[审查失败原因]
    F --> B
    E -->|是| G{目标完成？}
    G -->|否| B
    G -->|是| H[通知用户：目标已达成]

    style A fill:#e1f5fe
    style H fill:#c8e6c9

关键在于——当 Codex 完成一轮工作但目标还没达成时，它不会停下来等你输入下一条指令。它会自动继续下一轮迭代。 这在本质上把 AI 从一个"被动回答问题的工具"变成了"主动推进任务的智能体"。

3.2 具体怎么用？

在 CLI 里，命令格式非常直白：

# 创建一个新目标
/goal 把所有 REST API 端点迁移到 GraphQL，确保现有测试全部通过

# 查看当前目标状态
/goal

# 暂停目标
/goal pause

# 恢复目标
/goal resume

# 清除目标
/goal clear

在 Codex 桌面应用和 IDE 扩展里也有对应的界面入口，交互方式大同小异——设一个明确的里程碑目标，然后让 Codex 去推进。

3.3 真实案例：14 小时不间断工作

有个很出名的实战案例，a16z（硅谷知名风投机构）的合伙人 Andrew Chen 用 /goal 跑了一个 eGPU 和 Mac 设备驱动相关的底层项目。他晚上设好目标就去睡觉了，第二天早上起来一看——Codex 连续跑了 14 个小时，一直在迭代推进，没有停过。

14 个小时。这不是 benchmark 测试，这是一个真实开发者在真实项目上的体验。

当然，这里有个重要的前提：/goal 模式会消耗 Token 预算。当 Token 用量接近上限时，系统会注入一个 budget_limiting 信号，告诉模型"快到预算了"。如果你用的是 Pro 计划（目前定价相当于每月数百元人民币），Token 额度比 Plus 高出很多，足以支撑几个小时的持续工作。

3.4 什么场景适合用 /goal？

我自己实践下来（莫潇羽@源码七号站），/goal 模式最适合的场景有这么几类：

适合用 /goal 的场景：

• 代码迁移（框架升级、语言版本升级）
• 大规模重构（拆分单体应用、统一代码风格）
• 测试覆盖率提升（给现有代码补测试用例）
• Bug 修复链（一个 Bug 修完引出另一个，需要连续排查）
• 文档生成（根据代码自动生成 API 文档）

不太适合的场景：

• 还在探索阶段、不确定该怎么做的任务
• 需要大量人工判断和决策的工作
• 对代码质量要求极高、每一行都需要仔细审查的场景

简单说，如果你能用一句话描述清楚"做到什么程度算完成"，那就适合用 /goal。如果你自己都说不清楚做到什么样算好，那还是一步一步来比较稳。

3.5 /goal 模式的技术实现原理

如果你对技术细节感兴趣，这里简单聊一下 /goal 的底层机制。我研究了一些公开的代码库和技术分析文章，大致理清了它的工作原理。

/goal 的核心是一个目标生命周期管理系统。当你创建一个 goal 之后，系统会在本地 SQLite 数据库里持久化存储这个目标的状态，包括目标文本、当前状态（active / paused / budget-limited / completed）、已消耗的 Token 数量等信息。

每一轮工作完成后，Codex 会检查当前状态是否满足目标的完成条件。如果没满足，它会自动触发下一轮"continuation"——也就是自动继续工作，不需要你手动发消息。这个自动继续的机制是通过 app-server API 来实现的，桌面应用、IDE 扩展和 CLI 都共享同一套后端逻辑。

Token 预算管理也很精巧。系统会实时追踪每轮消耗的 Token 量，通过一个 Semaphore(1) 来确保预算更新的原子性。当累计 Token 用量接近预算上限时，运行时会向模型的响应流中注入一个 budget_limiting 信号，告诉模型"你快到预算了，需要收尾"。但它不会在完成轮次中发这个信号（避免在 AI 刚做完一步的时候突然告诉它"预算到了"），也不会在后续的工具调用完成回调里重复发送（通过 budget_limit_reported_goal_id 来跟踪去重）。

还有一个防止无限循环的安全机制：如果某一轮 continuation 里没有任何工具调用（也就是 AI 光说不做），系统会抑制下一次自动 continuation。这避免了 AI 陷入"我觉得还没完成但又不知道该做什么"的死循环。

/goal 核心状态机：
┌─────────────┐
│   Created    │ ──── /goal <objective>
└──────┬──────┘
       │
       ▼
┌─────────────┐     /goal pause     ┌──────────┐
│   Active     │ ──────────────────→ │  Paused  │
│ (自动迭代)   │ ←────────────────── │          │
└──────┬──────┘     /goal resume     └──────────┘
       │
       ├── Token 预算耗尽 → Budget-limited（等待额度刷新或手动补充）
       │
       └── 目标达成 → Completed（通知用户）

从工程角度看，/goal 的设计非常克制。它没有引入什么花哨的多智能体架构或者复杂的规划器，就是一个朴素的"检查目标 → 继续工作 → 再检查"的循环，配合持久化状态和 Token 预算管理。但正是这种简单性让它很可靠——不容易出现多智能体协作中常见的"互相矛盾""任务理解偏差"等问题。

3.6 跟中途介入有关的一些技巧

/goal 不是"扔出去就不管了"。你随时可以查看进度、调整方向、暂停或恢复。

一个很实用的小技巧是：用 side chat（侧边对话）来了解当前进度。在 Codex 桌面应用里，你可以开一个独立的侧边对话，问 Codex"目前做到哪了？遇到什么问题了？"而不用打断主线程的工作流。这个细节很贴心——就好像你走到 AI 同事的工位旁边看了一眼，了解了情况就走了，不打扰人家干活。

四、锁屏远程操控：Mac 休眠了，AI 照样干活

4.1 这个功能为什么让人兴奋？

如果说 Appshots 是"让 AI 看懂你在做什么"，/goal 是"让 AI 自己持续干活"，那锁屏远程操控就是把这两件事的最后一道障碍给拆掉了。

在 5 月 21 日之前，Codex 的 Computer Use 功能有一个很现实的限制：你的 Mac 必须保持解锁和亮屏状态。因为 Computer Use 需要看到屏幕画面、移动光标、点击按钮——屏幕一黑，AI 就"瞎了"。

这就很尴尬。你想让 AI 在后台帮你跑一个几小时的任务，但你人要去开会、要出门、要睡觉。电脑一锁屏，AI 就停工了。

现在，只需要在 Codex 的"计算机使用"设置里开启"Locked Use"功能，Mac 锁屏甚至休眠之后，Codex 依然能操控桌面应用。而且你可以通过手机端的 ChatGPT 应用远程查看 Codex 的工作状态、审批操作、调整方向。

4.2 技术上是怎么实现的？

这背后的技术实现其实挺有意思的。根据 OpenAI 开发者文档的描述，Codex 的锁屏操控有几个安全防护机制：

安全机制清单：
├── 短期授权（Short-lived authorization）：锁屏操控的授权有时效限制
├── 遮蔽显示（Covered displays）：锁屏期间屏幕内容不会被物理显示出来
├── 本地输入重锁（Relock on local input）：如果有人在物理键盘上操作，系统会立刻重新锁定
└── 手动解锁降级（Manual-unlock fallback）：特殊情况下会退回到需要手动解锁的模式

这些安全措施的设计思路是：让 AI 能在锁屏状态下工作，但同时确保物理接触设备的人无法通过 AI 的操控来绕过锁屏保护。也就是说，有人走到你电脑面前碰了键盘，系统会立刻把 AI 的操控权收回。

4.3 配合移动端使用的完整工作流

锁屏操控真正的杀手级体验，需要配合 Codex 移动端一起用。5 月 14 日上线的 Codex Mobile Preview 让你可以通过 ChatGPT 手机应用连接到 Mac 上运行的 Codex 桌面应用。

一个典型的工作流是这样的：

我下班前在 Mac 上给 Codex 设好一个 /goal 目标——比如"把项目里所有的 API 错误处理逻辑重构成统一的中间件模式，跑通所有测试"。然后关上笔记本盖子，出门。

路上用手机打开 ChatGPT 应用，能看到 Codex 正在后台工作。它会把实时的截图、终端输出、测试结果推送到手机上。如果碰到需要我做决定的地方——比如"这个接口的错误码是返回 400 还是 422？"——我在手机上回复一下，Codex 就继续往下跑了。

晚上到家打开电脑，解锁一看，Codex 已经把大部分重构工作做完了，只剩几个边界情况需要我手动确认。

这种体验，说实话，放在一年前我觉得是科幻小说里的桥段。

4.4 实际使用建议和最佳实践

我自己用了几天锁屏操控（莫潇羽@源码七号站亲测），总结出几条实用建议。

建议一：锁屏操控最好搭配 /goal 一起用。 如果你只是让 Codex 跑一个简单的单次任务，其实不需要锁屏操控——几分钟就搞定了。锁屏操控真正的价值在长周期任务上：设一个 /goal，然后放心锁屏走人。两个功能搭配在一起才是完整的体验。

建议二：出门前确认网络稳定。 Codex 的远程操控依赖网络连接——Mac 需要联网才能跟 OpenAI 的服务器通信，你的手机也需要联网才能查看状态。如果你的 Mac 连的是不太稳定的 Wi-Fi，建议切换到有线连接。笔记本合上盖子之后，Wi-Fi 有时候会断（取决于你的电源管理设置），这一点需要注意。

建议三：给 Codex 的操作范围设个边界。 虽然 AI 能在锁屏状态下操控应用，但不代表你应该让它什么都做。对于涉及到数据库写操作、线上部署、发送邮件等不可逆操作，我建议还是在你能监控的时候再让 AI 做。锁屏模式更适合代码编写、测试运行、文档整理这类"做错了也容易回退"的任务。

建议四：利用手机端的审批机制。 在移动端查看 Codex 工作状态时，对于一些关键操作你可以设置需要手动审批。这样即便你不在电脑前，AI 做到某些关键节点会暂停等你在手机上确认。这是一个很好的"信任但核查"的工作模式。

4.5 一些注意事项和地区限制

不过我也要泼一点冷水。锁屏操控目前在一些地区是不可用的——根据 OpenAI 的文档，Computer Use 功能在欧洲经济区（EEA）、英国和瑞士暂时不支持。这应该是跟欧洲的数据保护法规（GDPR 等）有关。

另外，这个功能只限于 macOS。Windows 版的 Codex 桌面应用有其他功能，但 Computer Use 和锁屏操控目前还没有移植过去。

还有一个让人哭笑不得的现象：网上已经有开发者在评论区说"这是逼着我去买一台 Mac"。考虑到 Codex 桌面端很多最先进的功能都是 Mac 优先发布，这种情绪我完全理解。如果你的主力开发机是 Windows，短期内可能需要接受一些功能上的差异。不过话说回来，OpenAI 一直在补齐 Windows 端的能力，只是节奏会慢一些。

五、内置浏览器升级与团队协作：高级标注、批处理评论、插件共享

5.1 高级标注模式（Advanced Annotation Mode）

Codex 的内置浏览器在 4 月份首次上线时，已经支持打开本地或公开网页，然后直接在页面上留评论让 Codex 处理。这次更新把这个能力往前推了一大步。

新的"高级标注模式"允许你直接在网页或 UI 预览上修改元素的样式——比如字体大小、颜色、间距等——然后实时预览效果，Codex 会自动把你的修改翻译成对应的代码变更。

这就有点像在 Figma 里给设计稿留批注，但区别是 Codex 不只是记录你的批注，它直接把批注变成了代码。对于前端开发来说，这个功能简直是效率利器——你不用再对着代码里的 CSS 参数一点一点调了，直接在预览页面上"比划"，AI 帮你写代码。

我自己试了一下高级标注模式的几个典型操作。比如你在预览页面上看到一个按钮的圆角不够大，直接用鼠标拖拽调整，Codex 就会自动把对应的 border-radius 值更新到 CSS 里。再比如你觉得某个标题的字号太小，在页面上直接选中那个标题、拉大字号，Codex 会把 font-size 的改动写进代码。整个过程完全所见即所得，跟在浏览器 DevTools 里调样式差不多，但关键区别在于——DevTools 里的修改刷新就没了，而 Codex 高级标注模式里的修改会直接同步到你的源代码文件中。

这个功能的适用范围不只是简单的样式微调。根据 OpenAI 的开发者文档，高级标注模式还支持对组件层级进行操作，比如给一个列表项添加新的子元素、调整组件的嵌套关系等。当然，越复杂的操作对 AI 的理解能力要求就越高，目前在复杂布局场景下偶尔还是会出现生成代码跟预期不一致的情况。但对于大部分日常的 UI 微调工作，已经非常够用了。

5.2 批处理评论（Batch Comments）

另一个小但好用的改进是批处理评论。以前在浏览器预览里留评论，按一下回车就立刻发送给 Codex 了。但实际工作中经常会遇到这种情况：你 Review 一个页面，想在好几个地方都留上修改意见，然后一次性交给 AI 去处理。

现在你可以用 Cmd+Enter 来"攒"评论，等所有意见都标注完了，再统一发送。这样 Codex 能一次性看到你所有的修改需求，处理起来也更有全局观。

听起来像个小功能对吧？但用过的人都知道，莫潇羽@源码七号站的经验是——这类细碎的交互优化，累积起来能省掉大量的时间。一个评论发一次、等一次、看一次结果，五个评论就是五轮来回。批处理之后一次搞定，效率差距是指数级的。

5.3 团队插件共享

Codex 在团队协作方面也迈了一大步。Business 计划的用户现在可以在团队内部分发自定义插件。

什么意思呢？假设你团队里有个同事开发了一个 Codex 插件，专门用来对接你们公司内部的 CI/CD 系统。以前这个插件只能他自己用，别人想用得自己再开发一个或者手动安装。现在，他可以直接在团队工作区里共享这个插件，其他成员一键启用。

管理员还能统一管理工作区中可用的插件列表——哪些插件允许使用、哪些禁止，都可以通过策略来控制。对于企业环境来说，这个能力非常重要，因为它解决了"AI 工具管控"的问题。你不希望团队成员随便装一堆来路不明的插件，但又不想一刀切地把所有插件都禁掉。

插件共享配合 5 月 7 日上线的 Codex Chrome 扩展、以及不断增长的插件市场（Marketplace），形成了一个完整的插件生态。目前已经有 Atlassian Rovo（对接 JIRA）、CircleCI、CodeRabbit、GitLab Issues、Microsoft Suite、Neon by Databricks、Remotion、Render 等一批常用的开发和协作工具的官方插件。

值得多说两句的是 Codex 的 Chrome 扩展。这个扩展安装之后，你在浏览器里看到任何网页内容，都可以右键呼出 Codex 的上下文菜单，直接把当前页面的内容发送给 Codex 分析。比如你在 GitHub 上看一个开源项目的 README，觉得里面某段代码逻辑有意思，右键一点就能让 Codex 帮你拆解原理。或者你在看一篇技术博客，发现文章里提到了一个你不熟悉的架构模式，右键发给 Codex，它会帮你用更容易理解的方式解释。

Chrome 扩展跟桌面应用的 Appshots 形成了一个互补关系：Appshots 抓取的是你桌面应用的窗口内容，Chrome 扩展抓取的是浏览器里的网页内容。两者加起来，基本覆盖了你在电脑上工作时所有的信息入口。

从更宏观的生态角度来看，Codex 的插件市场正在走一条类似 VS Code 扩展市场的路。VS Code 之所以能成为最受欢迎的代码编辑器，很大程度上是因为它的扩展生态足够丰富。Cod