术语slug: computer-use

计算机使用

Computer Use

让 AI 智能体直接操控桌面界面、应用与文件以完成多步任务的能力范式

收录情报动态

共 40 篇 · 第 1/4 页
The DecoderT2·智能体与协同
78 分
Gemini 上线 Mac 后台电脑操作功能

Google 在 Gemini Mac 应用中推出 Computer Use 功能,用户只需描述目标,Gemini 即可在隔离的后台窗口中跨本地文件、桌面应用与网页完成多步骤任务,同时保持屏幕与光标可用。该功能今日以英文在美国上线,支持应用级权限选择、实时步骤预览、随时暂停与关键操作预审批。

IT之家 · 智能时代T2·智能体与协同
58 分
腾讯 WorkBuddy 上线电脑操控能力

腾讯 WorkBuddy 正式上线电脑操控(Computer Use)能力,可识别当前页面与客户端界面,执行点击、输入、滚动等操作,无需目标软件开放接口即可在后台运行。该功能目前处于公测阶段,支持 macOS 与 Windows,需客户端升级至 5.11.0 及以上版本并完成授权,官方建议在登录、支付、删除等敏感操作时保持在场监控。

The Verge AIT2·智能体与协同
68 分
Gemini Mac 版上线电脑操作能力

Google 为 macOS 版 Gemini 应用上线 computer use 能力,可跨本地文件、桌面应用与网页执行多步任务,用户可限定可访问应用并通过后台窗口实时预览执行过程。该功能目前以英文面向美国用户推送,抢在 Apple 对申请全盘访问权限的应用施加新限制之前落地。

TechCrunch AIT2·智能体与协同
62 分
Google 为 Gemini 桌面端上线 Mac 电脑操作能力

Google 宣布在 macOS 版 Gemini 桌面应用中上线 computer use 能力,AI 可在后台操作原生 Mac 应用并浏览网页,代用户完成任务。该功能目前仅面向美国英语用户开放,需订阅 Google AI Plus、Pro 或 Ultra,且上线时间晚于 OpenAI、Anthropic、Meta 的同类智能体功能。

The DecoderT2·智能体与协同
58 分
Mistral 推出 Vibe 桌面版 支持多任务并行代理

Mistral 为其 AI 智能体 Vibe(原 Le Chat)推出 macOS 与 Windows 桌面应用,支持用户同时下发多个任务并观察代理并行执行。桌面版整合了 Vibe CLI 的本地能力与 Vibe Code Web 的云端会话,通过 Git worktree 隔离同一项目中的并行任务,Work 模式还可访问本地文件。不过报道指出,Anthropic 等竞争对手的桌面代理已能操作完整操作系统,Mistral 在计算机使用能力上仍处于追赶阶段。

Hacker News AIT2·智能体与协同
62 分
Pomerado 将任意网站转为智能体 MCP 接口

YC F26 项目 Pomerado 推出自助服务,可在数分钟内把缺乏 API 的网站转化为确定性、可自愈的 MCP 接口,供智能体直接调用。其思路是绕开缓慢且不稳定的浏览器自动化与 computer use,解决航空、银行、政务等遗留系统难以接入智能体工作流的核心瓶颈。

宝玉 (@dotey)T2·开发与工程
58 分
开发者复盘 GPUI 踩坑:编译慢、无热更新,转回 Electron

开发者宝玉复盘了用 Rust 原生 UI 框架 GPUI 构建桌面应用 baocut 的实践,指出其性能与跨平台优势之外,存在 UI 需 fork 修改、Accessibility 支持弱、Rust 编译资源与时间开销大、不支持热更新、Agent 验证 UI 成本高等问题。最终他换回 Electron,并把复杂渲染与转录、TTS 模块以 Rust/WASM 与 worker 进程形式保留,兼顾开发迭代速度与后台性能。

Hacker News AIT2·基座大模型
72 分
腾讯发布 Hy4 开源大模型 首次支持视觉理解与电脑操作

腾讯发布新一代开源大模型 Hy4,官方称其性能已跻身全球领先开源模型行列,并首次引入视觉理解与电脑操作能力,在指令遵循、长上下文理解与长程智能体任务上均有明显提升。模型权重与系统卡将在数日内开放,腾讯同时强调网络安全与生物安全方向的责任开源承诺。

Yuchen Jin (@Yuchenj_UW)T2·智能体与协同
38 分
开发者称 Codex 的计算机使用能力优于 Claude Code

开发者 Yuchen Jin 认为,Codex 相较 Claude Code 的最大优势在于计算机使用能力:API 与 MCP 调用缓慢,而传统企业软件界面复杂,人类难以操作。Codex 可直接操作图形界面,在数分钟内完成报销类任务,相当于把每个 UI 都变成了 API。该观点基于个人体验,未提供量化数据。

The DecoderT2·基座大模型
74 分
腾讯发布 Hy4 模型 首次支持视觉与电脑操作

腾讯发布新一代模型 Hy4,首次具备图像理解与自主操作软件的能力,并针对编程、金融与办公场景做了专项优化。腾讯称其在中国模型中排名第二,但在高难度数学与编程任务上仍明显落后于 Claude Opus 5.5 等顶级模型,模型权重将延后开放。