ChatGPT接管Chrome标签页：不只会看，还能替你操作网页

OpenAI在10月15日升级了ChatGPT Chrome扩展，ChatGPT现在可以读取用户已经打开的多个标签页，并在获得授权后操作网页。用户不必再逐页复制链接或粘贴内容，只要在ChatGPT网页端或桌面应用中指定Chrome，就能让模型汇总跨标签页信息、比较商品、填写表单，甚至整理堆积的标签页。(theverge.com)

这次更新的重点不是给浏览器增加一个聊天框，而是让ChatGPT直接获得用户当前浏览环境的上下文。 OpenAI正在把浏览器从一个需要AI远程访问的工具，变成模型可以直接观察和操作的本地工作空间。

ChatGPT到底能看到什么

标签页上下文是指网页标题、URL、页面可见内容、用户选中的文字，以及任务需要时生成的页面截图等信息。 它不是简单地把网址发送给模型，而是把用户正在浏览的页面转换为ChatGPT可以分析的上下文。

在Chat模式下，ChatGPT可以跨多个打开的标签页收集和比较信息。例如，用户同时打开三个沙发商品页面，可以要求它比较尺寸、面料、价格、配送周期和退货政策；研究一个技术问题时，也可以让它综合官方文档、GitHub Issue和社区讨论，而不必逐个复制页面内容。

在Work模式下，ChatGPT获得的能力更进一步。它可以控制Chrome标签页，执行点击按钮、填写字段、发送消息、下载文件和整理标签页等操作。OpenAI给出的典型任务包括：把多个供应商页面中的价格和功能整理进表格、根据活动说明填写报名表但停在提交之前、比较装修承包商并起草邮件，以及填写牙科预约表并把时间加入日历。(theverge.com)

Chat和Work的差异可以简单理解为，前者负责看懂网页，后者负责在网页上动手。 这也是OpenAI试图建立的产品边界：普通问答只调用标签页作为参考信息，涉及实际操作时则进入具备计算机使用能力的Agent工作流。

它不是自动读取所有网页

ChatGPT能够访问标签页，不代表扩展安装后会持续上传用户打开的全部网页。 用户需要主动在对话中提及Chrome或具体标签页，或者从浏览器侧边栏发起任务；当ChatGPT需要访问新网站时，默认还会按域名请求许可。

用户可以选择仅允许一次、持续允许当前网站、允许所有网站，或者直接拒绝。OpenAI还提供域名白名单和黑名单，用于控制ChatGPT无需再次询问即可使用的网站，以及完全不能访问的网站。浏览器历史记录的权限更加严格，每次使用都需要单独确认，没有永久允许选项。(learn.chatgpt.com)

不过，浏览器扩展所申请的底层权限仍然相当广。OpenAI列出的权限可能包括读取和修改所有网站的数据、读取浏览历史、管理下载、读取书签、访问页面调试器、管理标签页分组，以及与本地应用通信。

这里存在一个容易被忽略的区别：Chrome授予的是技术能力，ChatGPT产品界面提供的则是任务级限制。 换句话说，浏览器允许扩展做很多事，但OpenAI通过确认弹窗、网站许可和Agent策略，决定一次任务中实际调用哪些能力。对普通用户来说，后者更直观；对企业安全团队来说，前者才是需要重点审查的权限边界。

这次更新真正解决了什么

ChatGPT读取标签页最大的价值，是减少人与AI之间反复搬运上下文的成本。 此前用户让ChatGPT比较多个网页，通常要发送多个链接、复制关键段落，或者逐页上传截图；模型还可能因为登录状态、动态页面和地区限制，无法看到用户浏览器里实际显示的内容。

扩展接入本地Chrome后，ChatGPT可以使用用户已经登录的网站状态。LinkedIn、Salesforce、Gmail、企业内部系统和需要Cookie的管理后台，因此可以成为任务的一部分。扩展商店给出的场景还包括研究登录后的网站、编辑文档和表格、录入工时或库存、报销、批量下载图片，以及测试网页。(chromewebstore.google.com)

这相当于把用户平时最常用的浏览器，变成ChatGPT的眼睛和手。 独立AI浏览器往往要求用户重新登录网站、迁移书签和建立使用习惯，而扩展方案直接复用了Chrome现成的Cookie、标签页、插件和账号状态，部署成本明显更低。

这种设计也解释了OpenAI为何不再执着于让用户切换到一个独立AI浏览器。浏览器市场高度依赖历史数据、密码管理器、企业策略和扩展生态，仅靠更强的AI侧边栏很难让用户迁移。寄生在Chrome里虽然失去了对浏览器底层入口的完全控制，却能更快覆盖已有用户。

与Gemini和Comet相比怎么样

浏览器Agent是能够理解网页内容，并代表用户执行多步骤网页操作的AI系统。 ChatGPT此次升级后，已经从网页问答工具正式进入浏览器Agent竞争，但它并不是第一个实现多标签页读取和网页操作的产品。

| 产品 | 使用入口 | 多标签页理解 | 网页操作 | 登录状态 | 主要优势 | 当前短板 | | --- | --- | --- | --- | --- | --- | --- | | ChatGPT Chrome扩展 | Chrome侧边栏、ChatGPT网页端和桌面应用 | 支持读取和比较已打开标签页 | Work可填写表单、发送消息、下载文件和整理标签页 | 可使用现有Chrome登录状态 | 不必更换浏览器，可结合Chat、Work、Codex和本地文件 | 权限较广，功能受账号、地区和工作区策略影响 | | Gemini in Chrome | Chrome原生Gemini面板 | 支持跨标签页理解和Auto Browse | 可购物、预约、规划行程和操作网页 | 深度整合Google账号及密码管理器 | 与Chrome、Google搜索和Workspace整合最深 | 受地区、语言和订阅限制，生态更偏Google | | Perplexity Comet | 独立AI浏览器 | 原生感知多个标签页 | 支持表单、邮件、预订和多步骤任务 | 使用Comet自身浏览器状态 | 从浏览器底层为Agent设计，任务体验连贯 | 需要迁移浏览器，企业部署和用户习惯成本更高 |

Google的优势仍然最明显，因为Gemini本身就是Chrome的一部分。Gemini Auto Browse可以跨标签页执行任务，并在用户允许后调用Google密码管理器辅助登录；Google AI Pro用户每天最多可发起20个多步骤任务，Ultra用户上限为200个。(support.google.com)

ChatGPT的差异化优势不是浏览器控制本身，而是现有对话、文件、插件和Agent工作流可以直接延伸到网页。 用户可以先在Chat中分析资料，再转到Work填写系统，或让Codex进入测试页面检查问题，这比单纯在浏览器侧边栏里增加一个问答机器人更完整。

权限风险不能一笔带过

提示注入是恶意网页内容通过隐藏指令误导AI Agent执行非预期操作的攻击方式。 当ChatGPT只能总结一个公开页面时，提示注入造成的损失通常有限；当它同时能读取邮箱、内部系统和多个已登录标签页，并且具备发送消息或下载文件的权限时，风险等级会明显上升。

一个恶意网页可能在不可见文本中要求Agent忽略用户任务，转而读取其他标签页中的敏感信息，或者把内容填写到外部表单。OpenAI也在文档中明确提醒，网页内容、选中文字和视频字幕都应被视为不可信上下文；浏览器历史记录还可能包含内部URL、搜索词和跨设备同步产生的敏感活动。(learn.chatgpt.com)

用户最稳妥的做法不是完全拒绝扩展权限，而是按任务提供最小权限。 比较公开商品时可以只允许相关购物网站；处理公司内部系统时，应关闭无关的个人邮箱、医疗和金融页面；发送消息、提交表单、创建账号和付款等不可逆操作，则应保留最终人工确认。

企业环境还需要额外考虑数据控制。OpenAI表示不会单独保存一份完整的浏览操作记录，但页面文字、截图、工具调用、摘要和消息一旦进入ChatGPT上下文，就会按照现有ChatGPT数据控制策略处理。换言之，扩展不会把完整浏览器录像永久保存，并不意味着被模型读取的网页内容没有进入对话数据。(learn.chatgpt.com)

700万用户，但口碑还没有跟上

ChatGPT Chrome扩展已经具备大规模分发基础，但当前商店评分显示产品成熟度仍有提升空间。 截至2026年10月16日，Chrome应用商店显示该扩展拥有700万用户，评分为2.4分，共915个评价；最新版本为1.26.1005.11759，大小1.07 MiB，最后更新时间为10月15日。(chromewebstore.google.com)

这个数据组合很有意思：700万用户说明用户对浏览器内ChatGPT的需求非常真实，2.4分则说明安装、连接、兼容性或功能稳定性还没有达到同等水平。此前GitHub上已经出现过扩展能读取页面却无法点击和输入、本地通信组件无法正确安装，以及桌面应用检测不到扩展等问题。

OpenAI这次补齐产品能力之后，真正的挑战会从功能有没有，转向任务能不能稳定做完。 浏览器Agent不是演示视频里比较三个沙发那么简单，它需要适配千差万别的网页结构、弹窗、登录流程、验证码、动态加载和企业安全策略。只要中间一步卡住，用户节省的时间很可能会被排错成本抵消。

OpenAI把Agent塞进了用户已有的工作流

这次更新最值得关注的地方，是OpenAI选择进入用户已有的Chrome，而不是继续要求用户进入OpenAI自己的浏览器。 这是一个务实选择，也意味着浏览器Agent竞争正在从独立产品之争，转向谁能控制现有浏览器工作流。

短期来看，ChatGPT扩展最适合三类任务：跨多个页面的信息比较、在登录后的业务系统中录入数据，以及把网页资料转换成文档、表格或邮件。它对需要频繁查资料、处理后台和切换SaaS工具的开发者、运营和研究人员尤其有价值。

长期来看，真正的竞争指标不会是模型能读取多少个标签页，而是完成任务的成功率、每个任务需要用户确认多少次，以及Agent犯错后是否容易恢复。谁能在不扩大安全事故的前提下，把十几次点击压缩成一句指令，谁才可能成为下一代浏览器入口。

ChatGPT现在已经能看见Chrome里的工作现场，但距离让用户放心地把方向盘交出去，还有一段稳定性和安全性的路要走。 这次更新足够实用，也足够危险；最合理的使用方式不是直接开放所有网站，而是从低风险、可撤销、容易检查结果的任务开始。

参考来源

• OpenAI Codex GitHub：Windows端扩展只能读取、无法交互的问题——展示浏览器控制能力在部分Windows环境中的连接与兼容性问题。
• OpenAI Codex GitHub：macOS端浏览器控制回归问题——记录扩展可以读取标签页，但点击、输入和导航功能失效的案例。
• OpenAI Codex GitHub：Chrome应用商店安装与地区可用性问题——用于了解扩展分阶段发布、账号资格和地区限制可能带来的影响。