搞錯了！Codex Chrome 插件和Comet完全是兩個次元的東西
整理版優先睇
Codex Chrome插件與Comet係兩個次元嘅產物，前者結合本地Agent做到超乎想像嘅操作
呢篇文章係作者分享佢對Codex Chrome插件同Comet嘅深入體驗比較。作者之前發文講Codex App「殺」咗Comet，之後有人問兩者有咩分別，於是佢寫呢篇文詳細解釋。
Comet係Perplexity做嘅獨立瀏覽器，用Chromium內核，形態係側邊欄常駐AI助手。你可以喺瀏覽網頁嗰陣透過側邊欄對話，叫佢幫你總結、對比、查找標籤網頁內容，甚至點擊操作頁面。但呢啲功能都侷限喺瀏覽器本身。Codex Chrome插件就完全唔同，唔使另外裝瀏覽器，直接接管你而家用緊嘅Chrome，可以讀DOM、注入腳本、攔截請求、截圖同導航。最關鍵嘅係，佢同本地Coding Agent結合，打破咗瀏覽器嘅次元壁。
作者用一個實際例子示範：佢想從路演網站下載一個blob://影片，Comet根本做唔到，因為佢只能讀HTML結構或者截圖識別，冇得調終端或者寫檔案。但Codex插件嘅Agent自動完成咗成個流程：打開頁面、分析直播影片資訊、檢查頁面日誌同前端分包、從混淆源碼定位到真實HLS直播源、最後調用本地ffmpeg錄製成檔案。成個過程作者只係落咗命令，完全冇幹預。所以佢提醒，如果只係將Codex插件當做頁面提取工具，真係暴殄天物——佢嘅真正實力係同本地Agent結合，將瀏覽器變成上下文。文章最後介紹咗一個開源項目open-codex-browser-use，可以將呢個能力解耦，俾其他Coding Agent好似Claude C…
- Codex Chrome插件唔係Comet嘅替代品，而係更高層次嘅Agent工具，可以結合本地Coding Agent實現瀏覽器層面冇可能做到嘅操作。
- 核心差異在於：Comet只係瀏覽器側欄，權限侷限喺讀取頁面HTML；而Codex插件可以完全接管瀏覽器，讀DOM、注入腳本、攔截請求、截圖同導航。
- 作者示範用Codex插件下載blob://影片，Agent自動分析混淆源碼、定位m3u8地址、調用ffmpeg錄製，全程無需幹預。
- 啟發：呢種工具唔止做頁面提取或填表，而係將瀏覽器變成Agent嘅上下文，執行跨應用嘅複雜任務，例如操作終端同寫檔案。
- 可行動點：開源項目open-codex-browser-use可以俾任何Coding Agent（Claude Code、Codex、Cursor等）安裝使用，只需簡單指令或MCP配置。
open-codex-browser-use
將Codex Chrome插件嘅瀏覽器接管能力解耦，可同任何Coding Agent配合使用，支援列出標籤頁、打開頁面、導航、執行CDP操作、運行action plan、清理會話。
Comet同Codex插件根本係兩個次元嘅嘢
上次我講Codex App「殺」咗Comet，之後羣組就有人問兩者有咩分別。其實深度用過之後就會發現，呢兩個根本係唔同次元嘅產物。
Comet係Perplexity做嘅獨立瀏覽器，採用開源Chromium內核，形態係側邊欄常駐AI助手。
透過側邊欄AI助手，你可以一邊瀏覽一邊用對話形式叫佢總結、對比、查找標籤網頁內容，或者直接叫佢點擊操作頁面。類似嘅仲有Google Chrome AI側欄同之前推薦過嘅Dio瀏覽器。
Codex Chrome插件則係完全唔同嘅物種，唔需要額外安裝實體瀏覽器
佢喺實現Comet睇頁面、總結頁面、點擊頁面嘅基礎上，畀Agent接管成個瀏覽器，可以讀DOM、注入腳本、攔截請求、截圖同導航。
實戰示範：自動下載blob影片
我尋日朝早從一個路演網站下載影片，頁面標籤掛住blob:，冇直接下載地址。如果換成傳統Comet，根本無法實現——佢只限於讀取頁面HTML結構，最多用多模態截圖識別影片位置，但受限於瀏覽器權限，唔可以調終端或者寫檔案。
Codex Chrome插件嘅操作更智能、更狂野、更流暢
- 1 第一步，輸入at chrome之後直接打開並接管頁面。
- 2 第二步，檢查頁面直播影片資訊，發現係blob:播放地址。
- 3 第三步，分析頁面日誌同前端分包，拉取Bundle JS，從混淆源碼角度解析，定位真實HLS直播源。
- 4 第四步，調用本地ffmpeg錄製直播流，生成檔案。
成個過程行雲流水，Agent不再受限於命令行或者瀏覽器本身，接管頁面、分析壓縮後嘅前端分包、從接口響應揾到真實m3u8地址，再調ffmpeg錄落嚟。我只係落咗命令，完全冇做任何干預，徹底做甩手掌櫃。
如果只係將Codex Chrome插件當做頁面內容提取或者比價填表，真係暴殄天物
開源方案：將能力解耦畀任何Agent
呢套嘢目前只限訂閲用戶使用，但如果你都想喺Claude Code呢類平台上用，可以考慮一個開源項目open-codex-browser-use。佢將Codex插件嘅能力解耦出來，CLI加Chrome擴展，唔綁任何Coding Agent，喺Cursor或者Copilot都可以正常用。
安裝好簡單：Claude Code用戶執行npx skills add iFurySt/open-codex-browser-use -g -a claude-code \ --skill open-browser-use --copy -y
Codex用戶都可以裝類似指令。如果用MCP嘅話更加簡單，加一行配置就得：
[mcp_servers.open_browser_use]
command = "obu"
args = ["mcp"]- 裝完之後Agent可以做嘅包括：列出所有標籤頁、打開頁面、導航、執行CDP操作、運行action plan、清理會話。
- 基本上Codex原生能做嘅，呢個開源方案都可以做到。
開源地址同安裝說明：https://link.bytenote.net/y5o3nl
上次出咗Codex App『殺』死咗 Comet！之後字節筆記本羣入面就有人問兩者有乜嘢分別？
其實如果你深度用過之後就會發現呢兩個根本係唔同次元嘅嘢。
Comet 係 Perplexity 做嘅獨立瀏覽器，採用開源嘅 Chromium 內核，形態係側邊欄常駐 AI 助手。
透過呢個側邊欄 AI 助手，瀏覽嘅同時可以喺側邊欄透過對話嘅形式令佢幫你總結、對比、查找標籤網頁內容，或者直接叫佢點擊操作頁面。
同佢類似嘅仲有 Google 嘅 Chrome AI 側欄，同埋之前推薦過嘅 Dio 瀏覽器。
Codex 嘅 Chrome 插件就完全係另一種物種。
唔需要你額外安裝任何實體瀏覽器，喺做到 Comet 睇頁面、總結頁面、點擊頁面嘅基礎上，令 Agent 接管成個瀏覽器，讀 DOM、注入腳本、攔截請求、截圖同導航。
而令佢碾壓以上 AI 形態嘅係：同本地 Coding Agent 結合實現更高級嘅操作。
靠本地 Codex 嘅能力打破咗傳統操作瀏覽器 Agent 只限於瀏覽器本身嘅次元壁。
舉個例。
我昨晚從一個路演網站下載影片，頁面標籤入面掛住 blob:，冇俾到直接可以下載嘅地址。
換成傳統嘅 Comet 根本做唔到，因為佢只限於讀取頁面標籤嘅 HTML 結構，最多都係用佢嘅多模態能力截圖識別出影片嘅位置。
受限於瀏覽器本身嘅權限，Comet 唔可以調用終端，亦唔可以寫檔案。
相比之下，Codex APP 下面嘅 Codex Chrome 插件操作更智能、更狂野、更流暢。
第一步，輸入 at chrome 之後，直接打開並接管咗頁面。
第二步，檢查頁面入面嘅直播影片資訊，發現係 blob: 播放地址。
第三步，繼續分析頁面日誌同前端分包，直接拉咗入面嘅 Bundle JS，從頁面混淆過嘅源碼角度解析，定位到真實 HLS 直播源。
第四步，再嚟調用本地嘅 ffmpeg 錄製直播流，生成檔案。
一氣呵成，Codex 嘅 agent 唔再受限於命令行或者瀏覽器本身，接管頁面、分析壓縮後嘅前端分包、從接口響應入面揾到真實嘅 m3u8 地址，再叫 ffmpeg 錄低。。
成個過程，我只係落咗命令，完全冇做任何干預，徹底嘅甩手掌櫃，淨係負責睇結果。
所以，如果你淨係將 Codex Chrome 插件當做係頁面內容提取，或者做類似頁面比價填表呢啲操作，咁就真係暴殄天物喇。
Codex Chrome 插件真正嘅實力係佢同 Code X 嘅本地 Agent 結合使用，瀏覽器只係佢嘅上下文咋。
不過呢套嘢目前只係得訂閲用戶先用得，如果你都恨呢個功能，或者想喺 Claude Code 嘅平台上用，可以用呢個開源項目。
唔需要額外嘅 GPT 訂閲，亦唔需要指定 Codex。
open-codex-browser-use 將佢解耦出嚟，CLI 加 Chrome 擴展，唔綁任何 Coding Agent，喺 Cursor 或者 Copilot 都可以正常使用。
開源地址同安裝說明：
https://link.bytenote.net/y5o3nl
之後，Claude Code 用戶裝呢個：
npx skills add iFurySt/open-codex-browser-use -g -a claude-code \
--skill open-browser-use --copy -y
Codex 用戶都可以裝：
npx skills add iFurySt/open-codex-browser-use -g -a codex \
--skill open-browser-use --copy -y
用 MCP 嘅話就更簡單，加一行配置：
[mcp_servers.open_browser_use]
command = "obu"
args = ["mcp"]
裝完之後 Agent 做到嘅嘢，包括列出所有標籤頁、打開頁面、導航、執行 CDP 操作、運行 action plan、清理會話。基本上 Codex 原生做到嘅，基本都做到。
Cloudflare 靜靜雞做咗件大事：將所有主流 Coding Agent 都收歸旗下
我用 Obsidian 俾 Coding Agent 裝咗個硬碟！佢終於唔再失憶喇
更多關於 Codex 嘅高級使用技巧，可以留意字節筆記本星球嘅每日推送：
上次發了Codex App“殺”死了 Comet！之後字節筆記本羣裏就有人問兩者到底有什麼區別？
其實你如果深度使用之後會發現這兩個根本就是不次元的東西。
Comet 是 Perplexity 做的獨立瀏覽器，採用開源的Chromium 內核，形態是側邊欄常駐AI助手。
通過這個側邊欄AI助手，瀏覽的同時可以在側邊欄通過對話的形式讓它能幫你總結、對比、查找標籤網頁內容，或者是直接讓它來點擊操作頁面。
與之類似的還有Google 的 Chrome AI側欄，以及之前推薦過的Dio瀏覽器。
Codex的 Chrome插件則是完全不同的物種。
不需要你額外去安裝任何實體的瀏覽器了，在實現Comet看頁面，總結頁面，點擊頁面基礎上，讓Agent接管整個瀏覽器，讀 DOM、注入腳本、攔截請求、截圖以及導航。
而讓它碾壓以上AI形態的是：與本地Coding Agent結合實現更高級的操作。
藉助本地Codex的能力打破了傳統操作瀏覽器Agent只限於瀏覽器本體的次元壁。
舉個例子。
我昨天早從一個路演網站下載視頻，頁面標籤裏掛的是 blob:，並沒有給出直接可以下載的地址。
換成傳統的Comet根本就無法實現，因為它僅限於讀取頁面標籤的HTML結構，最多也只能夠是使用它的多模態能力截圖識別出視頻的位置。
受限於瀏覽器本身的權限，Comet不能調終端，也不可寫文件。
相比之下Codex APP下的Codex Chrome插件操作更智能、更狂野、更流暢。
第一步，輸入at chrome之後，直接打開並接管了頁面。
第二步，檢查頁面裏的直播視頻信息，發現是 blob: 播放地址。
第三步，繼續分析頁面日誌和前端分包，直接拉取了裏面的Bundle JS，從頁面混淆過的源碼角度解析，定位到真實 HLS 直播源。
第四步，再來調用本地的ffmpeg 錄製直播流，生成文件。
行雲流水，Codex 的 agent不再受限於命令行或者是瀏覽器本身， 接管頁面、分析壓縮後的前端分包、從接口響應裏找到真實的 m3u8 地址，再調 ffmpeg 錄下來。
整個過程，我只下達了命令，完全沒有做任何的干預，徹底的甩手掌櫃，只負責查看結果。
所以，你如果只是把Codex Chrome插件當做是頁面內容提取，或者是做類似於頁面比價填表這種操作，那可真的是暴殄天物了。
Codex Chrome插件真正實力是它與Code X的本地Agent來結合使用，瀏覽器只是它的上下文而已。
不過這套東西目前只能夠是訂閲用戶來使用，如果你也眼饞這個功能，或者想在Claude Code的平台上使用，可以使用這樣的一個開源項目。
不需要額外的GPT訂閲，也不需要指定Codex 。
open-codex-browser-use 把它解耦出來，CLI 加 Chrome 擴展，不綁任何 Coding Agent，在Cursor或者是Copilot也可以正常的使用。
開源地址和安裝說明：
https://link.bytenote.net/y5o3nl
之後，Claude Code 用戶裝這個：
npx skills add iFurySt/open-codex-browser-use -g -a claude-code \
--skill open-browser-use --copy -y
Codex 用戶也可以裝：
npx skills add iFurySt/open-codex-browser-use -g -a codex \
--skill open-browser-use --copy -y
用 MCP 的話更簡單，加一行配置：
[mcp_servers.open_browser_use]
command = "obu"
args = ["mcp"]
裝完之後 Agent 能做的事，包括列出所有標籤頁、打開頁面、導航、執行 CDP 操作、運行 action plan、清理會話。基本上 Codex 原生能做的，基本都可以。
Cloudflare悄悄做了件大事:把所有主流Coding Agent都全收編了
我用Obsidian 給 Coding Agent裝了一塊硬盤！它終於不再失憶了
更多關於Codex的高級使用技巧，可以關注字節筆記本星球的每日推送：