GPT-5.4 控制电脑示例

通过 OpenAI 的 Computer Use 能力，让 GPT-5.4 大模型控制浏览器完成你指定的任务。模型会“看到”屏幕截图，并返回点击、输入、滚动等操作，由本程序在 Playwright 浏览器中执行。

原理

基于 OpenAI Responses API 的 computer 工具：

1. 截图 → 截取当前浏览器页面
2. 发送 → 将任务描述 + 截图发给 GPT-5.4
3. 解析 → 模型返回操作（click、type、scroll 等）
4. 执行 → 在 Playwright 中执行这些操作
5. 循环 → 重复 1–4 直到任务完成

环境要求

• Python 3.10+
• OpenAI API Key（需支持 GPT-5.4 和 computer 工具）

安装

cd "openai computer"
pip install -r requirements.txt
playwright install chromium

配置

设置环境变量 OPENAI_API_KEY：

# Windows PowerShell
$env:OPENAI_API_KEY = "sk-your-api-key"

或创建 .env 文件（需配合 python-dotenv 使用）。

运行

# 使用默认任务（在百度搜索 OpenAI）
python computer_control.py

# 自定义任务
python computer_control.py 打开百度，搜索"人工智能"，告诉我第一条结果

支持的操作

操作	说明
click	点击
double_click	双击
move	移动鼠标
drag	拖拽
type	输入文字
keypress	按键（含组合键）
scroll	滚动
wait	等待

安全说明

• 仅在隔离的浏览器中运行，不直接操作你的桌面
• 建议不要用于登录、支付等敏感操作
• 参考 Computer Use 安全指南

参考文档

• Computer Use 官方文档
• OpenAI CUA 示例项目