想让 AI agent 帮你操作桌面软件，结果很多时候发现它只能截图、猜坐标、点歪了再重来——又慢又费 token。 Vercel 开源的 agent-de… · @realmaxluo · TwKit

@realmaxluo

想让 AI agent 帮你操作桌面软件，结果很多时候发现它只能截图、猜坐标、点歪了再重来——又慢又费 token。 Vercel 开源的 agent-desktop 今天涨了 2,275 星，总星数 11K。它不靠识图，而是直接读系统的无障碍树（Accessibility Tree），把窗口里每个能点的元素输出成带 ref 编号的 JSON。agent 按编号去点，点完再拍一次快照验证，全程不用匹配像素。 · 一个 CLI 加一个 C 库，macOS、Windows、Linux 都能用，用 npm 一行就能装 · 默认无头运行，不移动鼠标，也不抢焦点 · 遇到复杂应用，可以先看界面骨架，再钻进某个区域细看 GitHub：http://github.com/vercel-labs/agent-desktop

曝光 54 · 评论 2 · 点赞 0 · 书签 0