Computer Use（电脑操作智能体）

一句话理解

会替你“用电脑”的 AI——看屏幕、动鼠标、打键盘，自己开浏览器查资料填表格，像一位远程实习生在操作你的电脑。

定义

Computer Use 指让模型直接操作图形界面的能力：截图理解、移动光标、点击输入，以完成任务。相关厂商与各家“操作电脑与手机”的智能体功能是代表。

你会在哪遇到它

“让 AI 帮我订机票、填表单”的产品演示；智能体评测里的操作系统环境；自动化从业者的新话题。

背后的原理

循环四步：截屏、视觉模型理解界面、决策下一个动作（点击或输入或滚动）、执行后再次截屏验证。与 RPA（数字员工词条 966 提过）的区别：RPA 按固定脚本点指定位置，Computer Use 理解屏幕内容、能应对界面变化。可靠性是当前瓶颈——一步点错，后面全歪。

和相近概念的区别

1 与函数调用（913）：调接口是“走正门”，操作界面适合没有接口的软件。 2 与 RPA：脚本自动化对视觉自适应。 3 与 AI 浏览器（本批）：浏览器是单一应用内的操作，Computer Use 面向整个桌面。

常见误区

1 已经可靠到能放手——生产环境仍需人监督，误操作的代价真实存在。 2 什么软件都能操作——复杂专业软件、涉及登录与支付的场景风险高。 3 演示就是实际水平——演示环境干净，真实桌面的弹窗与干扰多得多。