ایجنت مرورگر Codex؛ برای وقتی API نیست
هوش مصنوعی
تستخلاصهٔ کاملتر
تو این مقاله اومده که ایجنت مرورگر Codex یه قابلیت داخل اپ دسکتاپه: یه پنل مرورگر کنار چت باز میشه و هر وقت خواستی کنترلش رو میدی به مدل. اونوقت یه نشانگر جدا روی صفحه راه میافته و خودش کلیک میکنه، فرم پر میکنه، تو منوها میگرده و فایل دانلود میکنه. منطقش سادهست: هرچی API داره رو باید با API انجام داد، ولی داشبوردهای داخلی و سایتهای قدیمی API ندارن و اینجا ایجنت با دیدنِ صفحه جای اون اتصال ساختاریافته رو پر میکنه.
شاخصترین کاربردی که نویسنده نشون میده، تست کردن UI قبل از انتشاره. ایجنت رو به یه اپ در حال اجرا (حتی روی localhost) وصل میکنی و میگی سعی کن خرابش کنی. تو نمونهٔ مقاله، بدون پر کردن فیلدها دکمهٔ continue رو زده، پیامهای اعتبارسنجی رو چک کرده و یه مشکل واقعیِ یکپارچگی داده پیدا کرده: عوض کردن کد کشور به UK موقع برگشتن به فرم بیصدا به US برمیگشته. خودش هم رفته سراغ نمای موبایل و چند ایراد ریسپانسیو در آورده.
برای کارهای بدون API — مثلاً دانلود صورتحساب از یه داشبورد مالی — کل مسیر رو با زبان ساده توضیح میدی و ایجنت انجامش میده، بعد همون توالی رو بهعنوان یه skill ذخیره میکنه که بعداً دوباره یا حتی زمانبندیشده اجرا بشه. برای لاگینهای تکراری هم Codex یه پسورد منیجر داخلی داره: یه فایل CSV با نام، آدرس، یوزرنیم، پسورد و یادداشت درست میکنی و import میکنی تا این اطلاعات تو تاریخچهٔ چت نمونه.
محدودیتها هم صریح گفته شده: احراز هویت دومرحلهای عملاً سد راهه و اگه کد به گوشیت بیاد، ایجنت بدون دخالت خودت جلو نمیره. ترتیب پیشنهادی نویسنده اینه: اول API، بعد ماکروی قطعی، آخر از همه مرورگر. ماکرو ارزونتره و خطای کلیک نداره؛ ایجنت مرورگر وقتی میارزه که صفحه متغیر باشه و اسکریپت ثابت بشکنه. برای حسابهای مالی هم میگه چند اجرای اول رو خودت تماشا کن و کار پرریسک رو بدون نظارت نسپار.
نکات کلیدی:
- ایجنت داخل اپ دسکتاپ Codex اجرا میشه و صفحه رو با vision میخونه، نه با اسکریپت ثابت.
- تو نمونهٔ تست، باگ برگشتن بیصدای کد کشور از UK به US و ایرادهای ریسپانسیو نمای موبایل پیدا شد.
- یه توالی موفق بهعنوان skill ذخیره و قابل زمانبندیه (مثل دانلود ماهانهٔ صورتحساب).
- پسورد منیجر داخلی از روی یه CSV با ستونهای name، URL، username، password و notes لاگین میکنه.
- ترتیب انتخاب: API، بعد ماکروی قطعی، بعد ایجنت مرورگر؛ احراز هویت دومرحلهای هنوز خودکار نمیشه.
