ChatGPT开始记住你的鼠标键盘

ChatGPT 不只记得你说过什么，还要记得你做过什么

**OpenAI 正在 macOS 版 ChatGPT 桌面应用中推出 Computer History，让 ChatGPT 在用户主动授权后记录点击、按键、快捷键和应用切换，并把这些操作组织成可供 ChatGPT 与 Codex 调用的时间线。**截至 2026 年 8 月 17 日，这项更新刚开始进入公众视野，The Verge 报道称，它不仅能学习用户如何工作，还会主动建议自动化流程，甚至接着完成用户此前做到一半的任务。

**Computer History 是一种面向个人电脑活动的操作历史功能。**它记录的重点不是用户与 ChatGPT 的聊天内容，而是用户在指定应用和网站里如何点击、输入、切换窗口与推进任务，再将这些 interaction events，也就是交互事件，整理成可检索的工作上下文。

这意味着 ChatGPT 的个性化正在从“记住偏好”跨到“观察流程”。过去的记忆功能可以知道你偏好 Python、报告要用中文、代码风格倾向函数式；Computer History 则可能知道你每天先从邮件复制数据，再打开表格清洗，最后把结果粘贴进周报。前者记住的是事实和偏好，后者学习的是动作序列。

它记录的是交互事件，不只是浏览记录

**Computer History 的核心价值在于把零散的电脑操作还原为一条任务时间线。**按照目前披露的信息，记录范围包括鼠标点击、键盘输入、快捷键以及不同应用之间的切换，ChatGPT 和 Codex 可以在收到请求时引用这条时间线。

传统浏览器历史只能告诉系统“你在 10:20 打开了某个网页”，但 Computer History 试图理解“你为什么打开它，随后复制了什么，又在哪个应用继续处理”。这种差别类似于快递单号和行车记录：前者只保留到达过哪些节点，后者能够还原整个过程。

**操作时间线让模糊指令第一次可能变得实用。**用户未来可以对 ChatGPT 说“继续我下午没做完的那份分析”“把我每周五的发布流程自动化”或者“找出刚才在哪一步报错”，而不必重新解释项目目录、相关网页、编辑器窗口和执行顺序。

对开发者而言，最直接的场景可能是 Codex 接手中断的编程任务。例如，用户先在浏览器阅读 issue，再切换终端查看日志，随后在编辑器修改文件，但因为会议中断了工作。传统编码智能体只能看到代码仓库当前状态；引用 Computer History 后，Codex 理论上还能知道用户刚才查过哪些资料、运行过什么命令，以及任务停在了哪里。

**观察操作并不等于真正理解意图。**用户连续三次重复复制、粘贴，可能代表一个值得自动化的流程，也可能只是前两次操作失败；频繁打开某个页面，可能是工作需要，也可能是因为页面难用。Computer History 可以降低上下文输入成本，但无法天然解决意图识别、异常处理和自动化可靠性问题。

从回答问题到学习工作方式

**Computer History 补上了通用电脑智能体长期缺失的训练样本：用户自己的真实工作轨迹。**当前多数智能体依靠模型预训练知识、用户提示词、页面截图和当下环境完成任务，但它们很少知道一个具体用户过去是怎么完成同类工作的。

The Verge 将这些操作描述为用于学习用户工作方式的数据，但这里必须区分两层含义：一层是让当前账户中的 ChatGPT 根据个人操作历史提供个性化建议；另一层是将数据用于训练或改进 OpenAI 的通用基础模型。**目前公开信息足以确认前者，却不足以据此断言所有操作记录都会默认进入基础模型训练集。**数据是否用于通用模型改进、保留多久、是否进行人工审查，仍应以 OpenAI 后续隐私说明和产品设置为准。

这个区别非常重要。个性化学习类似于本地音乐应用根据你的收听历史推荐歌单，基础模型训练则相当于平台把大量用户的收听行为汇总，用来改进下一代推荐系统。两者都在使用数据，但数据范围、处理目的、访问权限和退出机制完全不同。

**OpenAI 正在把 ChatGPT 从对话入口改造成工作入口。**官方产品定位已经将 ChatGPT、Work 与 Codex 放在同一平台内：聊天负责理解和沟通，Work 负责生成文档、表格和演示文稿，Codex 负责代码理解、修改、测试与发布，而 Computer History 可以为这些能力提供跨应用的连续上下文。

这条路线比单纯增加模型跑分更有产品价值。模型在基准测试上再提高几个百分点，未必能减少用户每天重复解释背景的时间；一旦系统能够可靠理解过去一小时的操作，智能体从“等你下指令”变成“知道你正在做什么”，交互成本会直接下降。

与 ChatGPT 记忆、Windows Recall 有什么区别

**Computer History 不是聊天记录，也不是简单复制 Windows Recall。**它与现有产品的主要差别，在于记录对象、使用目的和数据控制方式不同。

| 产品或功能 | 主要记录内容 | 核心用途 | 默认状态与控制 | 主要风险 | |---|---|---|---|---| | ChatGPT Computer History | 点击、按键、快捷键、应用切换等交互事件 | 理解工作习惯、建议自动化、恢复未完成任务 | 主动开启；可排除应用和网站；可逐条删除；自动忽略无痕或隐私浏览内容 | 输入内容、工作流程和跨应用关系可能暴露敏感信息 | | ChatGPT 记忆 | 对话中提取的偏好、背景与长期事实 | 让回答更符合个人情况 | 用户可查看、删除或关闭 | 模型可能记住用户不希望长期保留的信息 | | Windows Recall | 电脑活动的周期性屏幕快照及索引 | 搜索和回到过去看过的内容 | 依赖设备安全能力并提供过滤与删除控制 | 快照可能包含敏感页面、聊天和文档内容 | | 浏览器历史 | URL、页面标题与访问时间 | 找回访问过的网页 | 可清除，可使用隐私浏览 | 只能反映访问记录，难以理解完整任务流程 |

**Computer History 比屏幕快照更结构化，但并不天然更安全。**截图可能直接暴露整块屏幕，交互事件则可能精确暴露用户在哪个输入框键入了什么、按下了哪个快捷键，以及数据如何从一个应用流向另一个应用。前者信息密度高，后者行为语义更强，两者只是风险类型不同。

Computer History 也比 ChatGPT 记忆更接近自动化基础设施。记忆回答的是“这个用户是谁、偏好什么”，Computer History 回答的是“这个用户通常怎么做事”。当后者与可执行工具结合，系统便可能从复述历史进一步走向代替用户执行。

OpenAI 选择主动开启，而不是默认收集

**Computer History 采用 opt-in，也就是用户主动选择开启，而非默认开启后再让用户退出。**对于会接触键盘输入和跨应用活动的功能，这是合理且必要的底线，也是这次更新最值得肯定的设计之一。

目前披露的控制能力包括：

• 用户可以排除特定应用，不让 Computer History 记录其中的活动；
• 用户可以排除特定网站，避免相关网页进入操作时间线；
• 用户可以删除单条记录，而不必为了清理一次敏感操作删除全部历史；
• 系统会自动忽略无痕或隐私浏览模式中的内容；
• ChatGPT 与 Codex 只有在相关请求中引用时间线，才能利用这些历史上下文。

**细粒度删除比只有总开关更实用。**真实工作流往往混合公开与敏感内容，例如开发者可能在同一个小时里查阅公开文档、进入云服务后台、复制内部日志并回复私人消息。只有全部开启或全部关闭，会迫使用户在便利和隐私之间二选一；按应用、网站和记录删除至少提供了中间地带。

不过，无痕模式自动忽略不能被当成完整的数据防泄漏方案。密码管理器、普通浏览器标签页、终端、内部聊天工具、财务软件和远程桌面并不会因为内容敏感就自动进入无痕状态。用户仍需要提前建立排除清单，而不是等记录产生后再补救。

真正的问题不是能不能关，而是数据去了哪里

**Computer History 能否被专业用户接受，最终取决于数据边界是否讲清楚。**一个隐私控制完善的操作记录器，至少需要回答数据存储位置、保留周期、加密方式、访问主体、模型训练用途和企业管理员策略六个问题。

截至目前，公开报道尚未完整说明以下关键细节：

1. 操作历史主要保存在本机，还是会同步到 OpenAI 云端；
2. ChatGPT 与 Codex 引用时间线时，发送的是原始事件还是压缩后的摘要；
3. 删除记录后，相关数据会在多长时间内从备份和派生索引中清除；
4. 个人账户的操作历史是否可能用于改进通用模型，以及该设置是否与聊天训练开关共用；
5. Business、Enterprise 和 Edu 工作空间能否由管理员统一禁用或设置保留期限；
6. 键盘输入是否包含完整文本，以及密码框、验证码和系统安全输入框如何过滤。

**这些问题比功能演示更重要。**如果系统只在本地维护事件索引，并按需发送任务摘要，风险相对可控；如果完整按键和跨应用事件长期存储在云端，Computer History 就会成为高度集中的个人行为数据库，安全等级必须接近密码管理器和企业审计系统。

开发团队还需要关注提示注入带来的间接风险。假设一个恶意网页试图将隐藏指令混入用户的工作上下文，而 ChatGPT 后续又引用了这段历史，智能体可能把不可信内容误当成任务要求。Computer History 记录得越连续，系统越需要明确区分用户动作、页面内容、模型推断和可执行指令。

哪些人适合现在开启

**重复流程多、跨应用切换频繁的个人用户最可能从 Computer History 中获得收益。**产品经理整理竞品、运营人员制作日报、研究者汇总资料、设计师导出多版本素材，以及开发者在 issue、终端和编辑器之间切换，都属于高价值场景。

下面几类任务尤其适合用操作历史发现自动化机会：

• 每天或每周按照固定顺序打开多个应用并汇总数据；
• 经常因为会议、通勤或设备切换而中断的长任务；
• 需要在浏览器、文档、表格和代码编辑器之间传递信息的流程；
• 操作步骤固定，但用户很难完整写成自动化规则的工作；
• 需要回溯某次修改、部署或分析过程的故障排查任务。

**高敏感行业和共享设备用户不应急于开启。**医疗、金融、法律、人力资源、网络安全运营等岗位经常处理受监管数据，仅靠用户手动排除应用，难以满足数据最小化、审计和保留期限要求。企业在没有管理员策略与数据处理说明前，也不应把个人版设置视为合规方案。

开发者若准备试用，建议先采用最小权限策略：只开放代码编辑器、公开文档网站和测试环境，排除密码管理器、生产终端、内部聊天、邮箱、财务后台、远程桌面与客户数据系统。运行一周后再检查时间线内容，并根据实际记录范围逐步扩大，而不是第一天就允许访问整台电脑。

这是有用的一步，也是危险的一步

**Computer History 是 ChatGPT 从聊天机器人走向个人电脑智能体的重要一层。**模型过去缺少的往往不是推理能力，而是连续上下文：它不知道用户刚才做了什么、为什么停下来，以及下一步通常是什么。操作时间线一旦可靠，这些信息就不再需要用户每次手动描述。

这项功能的产品方向是对的。相比让用户学习复杂的自动化工具，系统先观察真实流程、识别重复步骤，再提出自动化建议，更符合普通人的工作方式；相比每次把代码、截图和日志重新上传，Codex 直接引用任务历史也更自然。

**但 OpenAI 目前展示的控制项还不足以消除全部疑虑。**主动开启、应用排除、网站排除、逐条删除和隐私浏览过滤解决的是“用户能否控制记录”，却没有完全回答“记录如何存储和使用”。在数据去向、保留期限和基础模型训练政策明确之前，Computer History 更适合在低敏感工作流中谨慎试用，而不适合无差别接管整台工作电脑。

最终，Computer History 的成败不会取决于它能记录多少点击，而在于它能否把一百次零散操作压缩成一个准确、可验证、可撤销的自动化流程。如果只是生成一份看起来聪明的活动摘要，它会成为更高级的历史记录；如果能稳定接手未完成任务，同时守住数据边界，它才可能成为 ChatGPT 桌面端真正的护城河。

参考来源

• OpenAI Codex 官方 GitHub 仓库：用于了解 Codex 的官方项目、能力边界与更新信息。
• Reddit：ChatGPT Computer History 相关讨论检索：用于查看用户对功能、隐私和实际使用场景的社区讨论。

核心功能事实同时依据 The Verge 对 Computer History 的最新报道、OpenAI 产品经理 Ari Weinstein 的公开说明以及 ChatGPT 版本说明整理；因文末链接域名限制，未附对应站外链接。