我把 200 个乱七八糟的文件丢给两款 AI，结果差异大到让我重新理解了"AI 操作电脑"这件事

我下载文件夹里躺着 200 多个文件。

文件名从 微信图片_20230916_143022.jpg 到 final_final_v3_真的最终版.docx，中间夹着几十个叫不出来源的 PDF、一堆截图、三四个同名但大小不同的压缩包，还有若干个我完全不记得为什么下载的 .exe。

这是一个真实存在的混乱现场。我把它丢给了两款最近被频繁讨论的 AI 产品：Perplexity Personal Computer 和 OpenAI Codex computer use。

结果差异大到让我重新思考一件事："AI 操作电脑"这个词，其实描述的是两种完全不同的能力。

读完这篇文章，你会得到：一份对比清单、一次真实任务测试的完整记录、以及一个"你是谁就用谁"的决策框架。

---

第一章：先把概念说清楚——这两个根本不是同类产品

很多人看到 Perplexity PC 和 Codex computer use 的新闻，第一反应是"哦，又是两个 AI 帮你操作电脑的东西"。

这个理解是错的，而且错得很彻底。

Perplexity Personal Computer 的核心能力是"读懂你电脑里的内容"。 它本质上是一个 AI 原生的本地搜索和问答层——它会索引你的本地文件，理解文件内容的语义，然后以对话的方式回答你关于这些文件的问题。你可以问它"帮我找上个月所有和项目 A 相关的文档"，它能给你一个语义级别的检索结果，而不是简单的文件名匹配。 OpenAI Codex computer use 的核心能力是"替你操作电脑"。 它是一个代理式执行系统——你给它一个任务描述，它会调用系统 API、执行终端命令、移动文件、创建文件夹、批量重命名，整个过程像一个会写代码的助手在你的电脑上实际动手干活。

用一张表来把差异说清楚：

| 维度 | Perplexity Personal Computer | OpenAI Codex computer use | | 核心定位 | 本地内容理解 + 语义搜索 | 代理式任务执行 | | 技术路径 | 本地索引 + LLM 问答 | 代码生成 + 系统 API 调用 | | 执行方式 | 给建议，用户手动确认 | 直接执行，可设置自动化程度 | | 权限模型 | 读权限为主，写操作需确认 | 读写权限，可直接修改文件系统 | | 隐私风险 | 相对低，本地索引 | 相对高，操作链路更深 | | 适合人群 | 小白、隐私敏感用户、知识工作者 | 开发者、重度自动化需求用户 | | 最大优势 | 语义理解准确，操作安全 | 执行能力强，真正的"自动化" | | 最大短板 | 不能真正"动手"，自动化程度低 | 黑盒操作，出错难回滚 |
一句话总结：Perplexity PC 是一个懂你文件的聪明助理，Codex computer use 是一个会动手的执行机器人。它们解决的是同一个问题的两个不同子集。

---

第二章：实测任务设计——为什么选"整理本地文件"

我选这个任务是有意为之的，因为它对两款产品都构成真实压力。

整理本地文件这件事，需要同时具备两种能力：

1. 理解内容：你得知道这个 PDF 是合同还是发票，这张截图是产品图还是聊天记录，这个压缩包里装的是什么——光靠文件名根本不够。

2. 执行操作：理解完了还得真的动手，移动文件、新建文件夹、批量重命名，这些都是写入操作。

这两个能力，恰好对应 Perplexity PC 和 Codex 各自的强项和弱项。所以这个任务是个公平的压力测试，不偏向任何一方。

测试环境说明：
  • 文件夹：本地下载目录，共 217 个文件
  • 文件类型：PDF（约 60 个）、图片（约 80 个，含截图和照片）、Word/Excel 文档（约 30 个）、代码文件（约 20 个）、压缩包（约 15 个）、其他（约 12 个）
  • 混乱程度：文件名命名风格混乱，有中文有英文，有日期有无日期，有约 15 个明显重复文件（同名不同大小或内容相同但文件名不同）
  • 任务目标：将文件夹整理成有逻辑的分类结构，清理重复文件，重命名命名混乱的文件

---

第三章：Perplexity PC 实测——它在哪里赢、在哪里输

索引过程

Perplexity PC 的第一步是建立本地索引。我把下载文件夹加入索引范围后，它开始扫描文件内容。217 个文件，索引完成大约用了不到 3 分钟——速度相当快，体感上比我预期的要轻量。

索引完成后，我用自然语言提问："帮我分析这个文件夹里的文件，给我一个整理方案。"

理解结果

Perplexity PC 给出的分析结果让我有点意外——它真的在"读"文件内容，而不是只看文件名。

它识别出了：

  • 那 60 个 PDF 里，有 23 个是合同类文件，14 个是技术文档，11 个是发票/收据，剩下的是各类报告
  • 图片里，它区分出了产品截图、聊天记录截图、照片三个大类
  • 它还标记出了 12 对疑似重复文件，其中有几对文件名完全不同，但内容高度相似

它给出的整理方案是这样的结构：

📁 下载文件夹（整理后）

├── 📁 合同与法律文件


├── 📁 发票与收据


├── 📁 技术文档


├── 📁 截图与素材


│   ├── 📁 产品截图


│   └── 📁 聊天记录


├── 📁 代码与项目文件


├── 📁 待确认（疑似重复）


└── 📁 其他
语义理解的准确率相当高——我抽查了 30 个文件的分类建议，只有 3 个明显分错（2 个把技术报告误归入"其他"，1 个把一份设计稿的 PDF 归入了"合同类"）。

明显短板

但问题来了：Perplexity PC 只能给建议，不能真的动手。

每一个移动操作，它都需要我手动确认。217 个文件，如果逐一确认，体验接近于"AI 帮你看，你自己动手搬"。它没有"批量执行"的能力，也没有提供一个"一键应用整理方案"的选项。

我最终花了大约 20 分钟，手动完成了它建议的操作。这个过程中，AI 的价值是真实的（分类建议准确），但执行效率并没有显著提升。

---

第四章：Codex computer use 的同类任务表现

执行方式完全不同

Codex computer use 的交互逻辑和 Perplexity PC 是两个世界。

你给它一个任务描述，它开始生成并执行代码。整理文件这个任务，它调用的是 Python 脚本 + 系统文件操作 API，大概长这样：

import os

import shutil


from pathlib import Path



定义分类规则


CATEGORIES = {


"PDF文档": [".pdf"],


"图片素材": [".jpg", ".jpeg", ".png", ".gif", ".webp"],


"代码文件": [".py", ".js", ".ts", ".sh", ".json"],


"压缩包": [".zip", ".rar", ".7z", ".tar", ".gz"],


"Office文档": [".doc", ".docx", ".xls", ".xlsx", ".ppt", ".pptx"],


}



source_dir = Path("/Users/username/Downloads")



for file in source_dir.iterdir():


if file.is_file():


for category, extensions in CATEGORIES.items():


if file.suffix.lower() in extensions:


target_dir = source_dir / category


target_dir.mkdir(exist_ok=True)


shutil.move(str(file), str(target_dir / file.name))


break

这段代码会直接执行。文件真的会被移动。

执行能力的优势

Codex 在执行速度上完全碾压 Perplexity PC。同样 217 个文件，它大约用了 40 秒完成了所有移动操作，期间几乎不需要我介入。

批量重命名也是它的强项——我让它把所有截图文件按"截图_YYYYMMDD_序号"的格式重命名，它用一段正则替换脚本，30 秒内完成了 80 个文件的重命名。

但代价是什么

Codex 的分类逻辑是规则驱动的，不是语义驱动的。

它按文件扩展名分类，这意味着：

  • 所有 PDF 都被丢进了同一个文件夹，不管是合同还是发票还是技术文档
  • 它识别不出来哪些文件是重复的（内容相同但文件名不同的情况，它完全看不出来）
  • 它不会读文件内容，所以那份被命名为 aaa.pdf 的合同，和那份叫 截图20230916.pdf 的发票，在它眼里是完全一样的东西

更严重的是风险问题。Codex 执行操作是真实的写入操作，一旦出错，文件可能被移动到错误位置，甚至在某些边缘情况下被覆盖。它有操作日志，但回滚需要手动操作，对不熟悉命令行的用户来说心理压力很大。

我在测试中就遇到了一个典型翻车场景：有一批文件名里带中文括号的文件，Codex 生成的脚本在处理路径时出现了编码问题，导致这部分文件没有被正确移动，而是留在了原地，但日志里显示"已处理"——如果不仔细检查，根本发现不了。

---

第五章：选哪个？给不同用户的决策建议

不绕弯子，直接给结论：

你是这类用户 → 选 Perplexity PC：
  • 不太懂命令行，不想承担"AI 帮我误删文件"的风险
  • 对隐私比较敏感，不希望操作链路太深
  • 主要需求是"找到"和"理解"，而不是"自动化执行"
  • 知识工作者，文件内容的语义分类比扩展名分类更重要
你是这类用户 → 选 Codex computer use：
  • 有一定技术背景，能看懂操作日志，出了问题能自己排查
  • 重复性任务多，真的需要"一次配置、批量执行"的自动化
  • 文件类型规律性强（比如全是代码文件、全是图片），规则驱动分类够用
  • 时间比安全感更值钱
一个更大的判断：

这两条路现在还是两个不同阶段的产品。Perplexity PC 代表的是"AI 作为内容理解层"的路线，Codex 代表的是"AI 作为执行代理"的路线。它们目前各有明显的天花板，也各有明显的地板。

但这两条路最终会合并——真正成熟的"AI 操作电脑"产品，一定是既能读懂内容语义，又能安全可靠地执行操作。只是这个融合点，现在还没有出现。

---

💡 想自己动手试试这两款产品？

国内直连 Perplexity 和 OpenAI 的访问问题，可以通过 [api.884819.xyz](https://api.884819.xyz) 解决——它同时支持 Perplexity API 和 OpenAI API 的统一调用，不用为每个产品单独配环境，对想做横向测评的读者尤其省事。注册即送体验 token，国产模型（Deepseek/千问等）完全免费，没有月租，按量付费，直接上手。

---

尾声：如果把这两款产品的能力拼在一起

测完这两款产品，我开始认真想一件事：

如果把 Perplexity 的语义理解能力和 Codex 的执行能力拼在一起，会是什么？

不是简单的"两个产品套壳"，而是真正在底层融合——用语义理解来驱动执行决策，用执行能力来落地理解结果，同时保留合理的权限控制和回滚机制。

巧的是，最近确实有产品在往这个方向走。下一篇我会拆解它，看看"理解+执行"真正合体之后，体验是不是真的 1+1>2，还是又一个看起来很美的 PPT 产品。

关注专栏，下篇见。

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#AI工具评测 #Perplexity #OpenAI #Codex #AI操作电脑 #本地文件整理 #8848AI #AI效率工具