OpenAI 于 4 月 23 日发布 GPT-5.5 时，同步推出了 Codex Agent 模式。除了编程能力，GPT-5.5 的 Agent 模式最引人注目的是浏览器控制和电脑操作能力——AI 可以自主导航网页、操作应用界面、甚至与客服谈判。
Agent 能力概述
GPT-5.5 Codex Agent 的核心能力：
- 浏览器控制：在 ChatGPT Pro+ 订阅并开启 computer use 后，Agent 可以接管浏览器，自主完成登录、导航、表单填写等操作
- 电脑操作：直接操控操作系统界面，无需通过 API 或命令行
- 实时决策：在操作过程中遇到弹窗、验证码或页面变化时，Agent 可以自主判断并调整策略
实测案例
社区中已有多个真实用例被记录：
取消订阅并申请退款：用户要求 Agent “登录 Amazon，取消 Prime 会员，并申请 4 月份 $15.89 的退款”。Agent 自主完成以下步骤：
- 登录 Amazon 账户
- 导航至会员管理页面
- 取消订阅
- 打开在线客服聊天
- 解释计费周期并谈判退款
- 成功获得 $15 退款
整个过程在几分钟内完成，无需人工干预。
品牌会议室背景生成：OpenAI 在 DevDay 上展示了 BrandRoom 项目，利用 Codex + GPT-5.5 和 GPT Image 2 自动生成品牌化的会议背景，解决远程团队视频会议的背景问题。
与 Claude Code 的对比
在 Agent 编程场景下，有用户反馈 Codex 的定价透明度不如 Claude Code：一个 16 人工程团队考虑从 Codex 转向 Cursor，因为 Cursor 的 token 用量和定价更透明，且支持 Composer 2 等更多模型。
不过，Codex Agent 的浏览器控制能力目前领先——Claude Code 主要聚焦于代码环境内的操作，而 Codex 可以操作浏览器和更广泛的桌面应用。
一个小插曲：Goblin 系统提示词
Codex 的系统提示词中新增了一条规则：禁止提及地精（goblins）、格林姆林（gremlins）、巨魔（trolls）等”生物”，除非与任务相关。社区发现此前 GPT-5.5 在 Codex 中对”goblin”一词出现了过度反应，OpenAI 因此添加了显式禁止规则。这反映了 Agent 模型在复杂交互中的不可预测性。
行动建议
- 需要浏览器自动化的用户：GPT-5.5 Codex Agent 的浏览器控制能力是当前最成熟的方案之一，建议申请 Pro+ 订阅并开启 computer use 进行测试
- 工程团队：如果团队主要使用编程 Agent 而非浏览器自动化，可以对比 Codex 和 Cursor/Claude Code 的 token 成本和透明度
- 安全考量：Agent 可以操作浏览器和系统界面，建议在生产环境中设置明确的权限边界和操作范围
主要来源
- OpenAI Codex
- OpenAI DevDay 2026
- 社区实测（X/Twitter）