Computer Use：AI 没有手，怎么操作你的电脑？Mac 为什么能后台？ 你对 AI 说一句话，它就能在你的电脑上打开软件、点按钮，可它并没有手。这期讲明白它是怎么做到的：模型只负责看和想，真正动手的是另一段程序，一圈一圈地看、想、做、查。 回答四个问题： 它怎么知道按钮在哪，截图、辅助功能和软件接口各自怎么用； 为什么在 Mac 上它能躲在后台干活，在 Windows 上却要占着你的桌面； 新模型 GPT-6 Astra 变快了多少，这些数字出自谁； 它在你电脑上乱点，安全吗。

mac-computer-use 给 Agent 配了一套可直接操作 Mac 的工具，打开关闭窗口、输入、点击、截图都支持。 装成一个 Skill 就能接进 Claude Code、Codex、Cursor、豆包等 Agent 工具使用。 给一张参考照片，Agent 自己建出一个能在浏览器里转着看的 3D 展区，还带能编辑的 Blender 源文件。 3388 个三角面，117 个网格，全程 12 分钟没人碰过鼠标。 GitHub： 它比一般的操控电脑工具多做的是核对这一步。每个写操作能先预演一遍不真点，操作后再读回结果验证。 结果拿不准就停，不会瞎重试。 要用前台时也讲规矩，等我们手停下 2 秒以上才动，最多等 15 秒，我们一动键盘它就让开，做完把焦点还回来。 工具全在本机跑，不用起服务不用密钥。要 macOS 14 以上，第一次得授一下辅助功能和录屏权限。

codex computer use 好用是好用，但是慢的就像 80 岁老头拿放大镜第一次用电脑一样，让它自己操作浏览器配置 Apple IAP 和注册新应用，做了一个多小时还没弄完…

codex 的 computer 功能太好用了! 今天把 zeabur 的里面服务迁移到 coolify 自建里面,他自己迁移+测试! 还帮我实现了通过 iphone mirror 的功能整理了微信的 tag 清单!

#精彩片段# Astra让Computer Use重新回到聚光灯下。它能像人一样看屏幕、点鼠标，甚至替研究者操作那些难用的老软件。可真正走向商业化时，卡住它的是身份验证这一关。

OpenAI 的 Codex Computer Use 最吊的就是它不靠纯视觉盲猜坐标，而是基于系统底层 Accessibility 实现了非侵入式的桌面操控。 现在有人直接把这个思路开源并做成了通用 MCP 服务：open-computer-use（简称 ocu）。 它把主流 AI 编程客户端的接入全打通了，一行命令就能给你的本地 Agent 装上“操作系统级”的手脚： • 全客户端一键挂载：原生内置 Codex、Claude Code、Gemini CLI、opencode 和 DeepSeek Harness 的安装指令 • 跨平台通用：同时支持 macOS、Linux 和 Windows • 免截图精准检索（macOS）：提供 targeted query，不用每次都截全屏烧 Token，直接按文本或角色定位控件 • 代码优先（Code-first）：内置 ocu js 和 ocu repl，支持直接用 JS 脚本或长连接会话编排连续的自动化动作，复用元素索引状态 如果你平时重度使用 Claude Code 或 Codex CLI，装上这个 MCP 基本就能让 Agent 跨出终端，直接接管本地桌面工作流了。 我刚才使用 Sonnet 5.5 试了一下, 操作比Codex Computer use快。

Codex 这个 computer use 真的是牛逼！ 还可以让它通过 Mac 的 iPhone 镜像功能去操作你的手机，而且操作得非常快。 这样手机上的一些设置信息都可以通过这种方式读取，而且非常安全。 甚至读取微信，微信也肯定不会检测到。

对于 GPT Astra 这种 Computer Use 能力很强的模型，“模型的前端设计能力”这个概念需要被改写了。 之前的含义：模型生成网站的前端 UI 是否好看、高级 现在： 1. 提供一个风格参考 2. Astra 遍历全站，识别所有 UI 3. 对所有 UI 按参考风格生图 4. 基于生图重构 UI 5. Astra 走查实际效果，不通过就回到 4 6. 循环结束后全站 UI 都是符合风格的 一句话概括 —— 模型的前端设计能力 的下限是“模型自身前端能力”，上限是“模型生图的审美”，完成度靠 Computer Use 能力保证

Codex 的 Computer Use 非常好用，而且可以跨 Desktop 使用，所有我通常的使用方法是人类前台活动在 Desktop 2，Agent 后台活动在 Desktop 1，严格划分势力范围，防止被抢占鼠标控制权。