你可能在社群媒體上看過這種畫面：螢幕錄影裡，ChatGPT 自己開瀏覽器、自己點網頁、自己填表單，本人根本不用動滑鼠。這不是剪輯，是 GPT-5.5 的 computer use 功能在跑。
這篇說清楚它是什麼原理、能做到哪些事、你能不能用，還有幾個容易誤解的地方。
AI 是怎麼「看到」你的電腦的？
Computer use 的核心原理很直接：截圖。
GPT-5.5 沒辦法像人一樣「真的看螢幕」，它的運作方式是不斷截圖，把每一張截圖傳給模型，模型看完之後下達指令，告訴你的電腦要點哪個位置、要打什麼字、要往哪裡滑動，執行完再截圖確認結果，然後繼續。這個循環一直跑，直到任務完成。就像你把畫面描述給一個打字很快的朋友，他幫你依序操作，只是這個朋友看的是截圖，反應時間以秒計算。
它能幫你做什麼？
OpenAI 在發布資料裡列出幾個方向：
- 填表單：打開瀏覽器，找到欄位，一個一個填完送出
- 讀資料、建檔：從網頁或桌面軟體抓資料，整理成試算表
- 跨軟體流程：比如看完 Slack 的 bug 回報，自動開 GitHub 開 PR，再回去 Slack 回覆
- 桌面操作：打開特定軟體、執行計算、瀏覽設定頁面
在 OSWorld-Verified 這個測試跨軟體桌面操作的 benchmark 裡，GPT-5.5 達到 78.7% 的完成率，GPT-5.4 是 75.0%，人類平均是 72.4%。也就是說在受測場景下，它完成桌面任務的成功率已經略超過人類平均水準。
我要怎麼用？
有兩個路徑，差很多。
一般用戶（ChatGPT 方案）
GPT-5.5 的代理模式已內建 computer use 能力。你在 ChatGPT 開 agent mode，下一個複雜任務，它會自動判斷需不需要操作電腦或瀏覽器，不用另外設定工具。目前只有 Plus 以上方案（月費 20 美元起）才能使用，免費版不支援。
開發者（API）
透過 Responses API 加入 computer_use 工具，搭配截圖和 PyAutoGUI，就能讓 GPT-5.5 控制任何桌面環境。實作需要 Python 和一點程式基礎，OpenAI 沒有提供現成的沙盒，要自己隔離執行環境，建議先在 VM 或 Docker 裡測試。
幾個常見誤解
「AI 會自動控制我的整台電腦」
其實並不是。在 ChatGPT 的 agent 模式下，模型操作的是它自己的瀏覽器環境，不是你的本機桌面。在 Codex 裡，預設只能修改指定資料夾的檔案，執行網路操作等需要你另外授權。
「只要開口叫 ChatGPT 控制電腦就會直接開始」
對一般用戶來說，不是下任何指令都會觸發 computer use。這個功能是在複雜的多步驟任務裡自動啟動，不是手動叫出來的開關。
「免費版也能試試看」
GPT-5.5 整體不對免費版開放，computer use 也包含在內。
現在值得用嗎？
看你是誰。
如果你常跑重複性的瀏覽器操作，或想讓 AI 幫你處理「幾個步驟要開好幾個視窗」的流程，這個功能值得試試。
對學生來說，目前最實用的場景大概是：整理多份網頁資料、填寫多個相似表單，或讓 AI 幫你在 Notion、Google Docs 之類的工具裡搬資料。
但它還不完美，截圖依賴的特性讓它在解析度高或畫面複雜時容易卡關，也不適合拿去跑高風險帳號（電子郵件、銀行）。但作為一個「幫你處理雜事的工具」，它已經可以跑起來了。
