利用抓包将 Computer Use 转化为 API 脚本以降本提速

Computer Use 好用，但很贵！Codex 如此，Grok Bot 也是如此！

那怎么做，能既用上 Computer Use 的能力，又降低 token 消耗成本呢？

@SamSokolin 的思路是对的： 让 Bot 只用一次 Computer Use 完成任务，同时抓取过程中的网络请求，然后把这些请求整理成一段脚本。之后重复执行同一任务时，直接调 API，不再走图形界面。

为什么这样做？

1. 省 token。 Computer Use 模式的成本结构决定了它很贵：每一步都要截屏 → 模型看图理解 → 决定点哪里 → 再截屏验证。一个"打开发票页、筛选未付款、导出 CSV"的任务可能要几十轮视觉推理。而脚本执行不需要模型参与，几乎零 token。

2. 快得多。 GUI 操作受页面加载、渲染、模型推理延迟的多重限制。直接调 HTTP 接口只受网络往返时间限制，通常从分钟级降到秒级。

3. 复用现有登录态。 推文里"with the same auth"是关键。Bot 在浏览器里已经登录了，抓包时能拿到 session cookie / token，脚本沿用这些凭证，不需要额外申请 API key 或走 OAuth。这也是为什么这种方式对没有公开 API 的 web 应用同样适用——任何网页前端最终都是在调后端接口。

看看 Sam 展示的工作流

① 下达任务 "去 acme. com/invoices，筛选未付款，导出 CSV"

② Bot 执行并抓包 一边点击，一边记录了 4 个请求：GET /api/session、GET /api/invoices?status=unpaid、GET /api/invoices/columns、POST /api/export/csv

③ 生成脚本并加入 routine 输出一段 Python requests 脚本，复用 session、拉取未付款发票、POST 导出、写入本地文件；之后作为定时任务（routine）自动跑

整个流程：访问站点并交互 → 抓取网络请求 → 生成脚本 → 放进 routine 运行 → 返回结果。

使用 Agent 重要分工原则

视觉操作用于"探索"，代码用于"执行"！