ChatGPT推出macOS“电脑历史”功能：通过追踪点击与按键实现AI自动化

核心要点

• 行为追踪集成：ChatGPT macOS应用现在可以记录用户的点击流和按键操作。
• 数据驱动学习：捕获的操作会被转化为训练数据，用于分析和理解用户的工作模式。
• 活动时间线构建：系统会生成详细的活动时间线，作为ChatGPT和Codex处理请求时的背景参考。
• 主动任务协作：该功能支持建议自动化流程，并能识别并接手用户处理到一半的任务。

详细分析

从被动对话到主动观察的演进

OpenAI在macOS客户端引入的“电脑历史”（Computer History）功能，代表了AI助手交互逻辑的重大转变。以往，用户需要通过文字描述来向AI解释上下文，而现在，ChatGPT能够通过底层的点击和按键记录，直接“观察”用户在操作系统上的行为。这种感知能力的提升，使得AI不再局限于对话框内的信息，而是能够理解用户在不同应用程序之间切换的逻辑，以及完成特定任务的具体步骤。通过将这些操作转化为训练数据，AI能够更精准地模拟和预测用户的需求。

基于Codex的自动化与任务接管

该功能的核心在于利用Codex模型的理解能力来解析复杂的操作序列。通过构建活动时间线，ChatGPT获得了一个关于用户工作流的“动态数据库”。当用户发起请求时，AI可以回溯时间线，寻找相关的操作背景。例如，如果用户在处理一份报告时中断，“电脑历史”功能可以帮助AI识别出任务的当前进度，并根据之前的按键和点击逻辑，建议接下来的自动化步骤，甚至直接代为完成剩余的工作。这种深度集成极大地提升了桌面端AI的实用价值，使其从简单的信息查询工具进化为真正的生产力协作者。

行业影响

这一功能的发布对AI行业具有深远意义。首先，它展示了AI助手与操作系统深度融合的新范式，即通过监控底层输入输出（I/O）来获取上下文。这种做法可能会引领新一轮生产力工具的变革，促使其他AI厂商也开发类似的系统级监控功能。其次，这也将引发关于数据采集深度与隐私边界的广泛讨论。OpenAI通过将用户日常操作转化为训练数据，实际上是在构建一个极其个性化的用户模型，这不仅提升了用户粘性，也为未来开发更具预测性的AI代理（AI Agents）奠定了数据基础。

常见问题

问题：“电脑历史”功能具体会记录哪些数据？

该功能主要追踪用户在macOS桌面环境下的鼠标点击行为和键盘按键记录。这些原始操作会被处理并整合进一个活动时间线中。

问题：这些记录的数据对用户有什么实际用途？

这些数据主要用于让ChatGPT和Codex模型了解用户的工作习惯。基于这些历史记录，AI可以为用户提供自动化的操作建议，并能识别用户尚未完成的任务，从而提供协助或直接接手后续工作。

问题：该功能目前支持哪些平台？

根据目前的信息，该“电脑历史”功能是针对ChatGPT的macOS桌面应用程序推出的。