与「AI操控电脑」相关的搜索结果

简直成精了，AI 能直接操作电脑了，一句指令就能订票订酒店规划路线，没人啥事了……😮 以前AI只能聊天写代码，现在直接能像人一样看屏幕、点鼠标、敲键盘，帮你完成各种电脑操作……这时代真是变了！😱 字节跳动开源了 UI-TARS-desktop（GitHub已 36.9k Star），一个真正的多模态AI电脑操控工具，只需用自然语言下指令，它就能自动截图识别界面，然后精准控制鼠标和键盘执行任务了。👍 你看，如下视频其实就一句指令： 我 9 月 1 日到 9 月 6 日在洛杉矶，预算 5000 美元。请帮我在 上预订离机场最近的丽思卡尔顿酒店，并为我编制一份交通指南！ 核心优势： - 支持本地和远程电脑/浏览器/手机控制 - 远程操控无需任何配置，点一下就能用 - 完全本地处理，隐私安全有保障 - 跨平台支持（Windows、macOS、浏览器） - 开源免费 使用方法： 1. 下载安装桌面客户端 2. 启动后输入自然语言指令 3. AI自动完成操作并反馈结果 一句话：AI 终于从"语言助手"跨越到"行动 Agent"，从陪人聊天走向替人干活，和人操作电脑一毛一样！😄 🔗 GitHub地址： 对AI Agent、自动化办公、效率工具感兴趣的同学，这个项目值得重点关注！ ～ #UITARS# #AI操控电脑# #字节开源# #多模态Agent# #开源工具# #工具分享#

炸场！豆包专业版今天正式上线，AI终于能自动操控电脑、定时干活，打工人直接解放双手了！ 你每天下班前1小时，是不是还在重复做这些机械活？ 1、整理一堆杂乱桌面文件 2、熬夜抠报表PPT 3、 每周固定写重复周报 4、手动查资料填表格 5、 临时搭个简易业务系统…… 你大部分80%的时间被琐事吞掉，真正思考和创造的时间被挤压到几乎为零。 今天字节直接干翻传统AI逻辑，豆包专业版6月24日正式上线，搭载豆包2.1系列大模型 + 全新的办公任务Agent模式！ AI不再只给你一段文字答案，而是自主拆解任务、操控电脑、自动交付完整成果。 这次更新核心变革：AI从“聊天工具”变“全职助理” 1. 授权即可操控本地电脑+浏览器
自动归类文件夹、批量重命名、读取本地PDF/Excel、跨浏览器搜资料、填线上表单，全程无人工干预。
实测：让它整理全年素材、定时发布内容，爽！ 2. 一站式Office全套产出
内置在线文档、表格、PPT，支持多轮打磨、协同、导出。薪酬表、调研报告、课件、方案，直接给可对外用的成品。 3. 零代码快速搭建业务系统
数据看板、项目管理、活动报名、客户CRM网页，几句需求就生成，支持分享协作（后端数据库即将全面开放）。 4. 专业Skills技能包 + 自定义流程
文档、设计、数据可视化、金融分析、浏览器操作等官方技能，随叫随到，还能做故事分镜、专业图表、拆财报。 定价：标准68元/月起（免费版权益+更高额度），最高500元/月。基础聊天搜索生图依然免费。 这波是真·生产力升级，还是又一个“听劝”的工具？ #AIAgent# #打工人解放# #生产力工具#

大概一个月多前，电脑中了木马，潜伏了一个月才被发现，也导致了我的 X 账号被盗。 让 Claude 和 Codex 逐一分析系统进程时，找到了一个叫做 com\.apple.accountsd.helper.plist 的进程，乍一看还以为是苹果系统的宿主进程，但 Claude 对这个进程提出了质疑。 沿着这个线索，对 accountsd 进行了详细的分析。这个木马首先给系统添加了一个开机自启项，确保可长期潜伏，然后通过 root 权限写了一个守护脚本，每秒探测当前系统是否有新用户登录，一旦登录就通过 AppleScript 脚本切换成当前用户身份，运行一个叫做 AccountsHelper 的程序。 对 AccountsHelper（SHA256：9168cbc45f）也做二进制分析，它的依赖极少，主要职责是从远端加载指令，然后拉起一个交互式 PTY shell，攻击者就是通过这个 shell 来远程操控电脑的。木马执行的每个环节，清理工作都做的特别好，几乎所有日志都被清理干净了。 为了溯源整个中马过程，我分析了将近两个多月的系统日志，仅找到一条可疑指令：有个 curl 操作，下载并执行了一条混淆命令，这也是唯一的线索，解密指令得到了一个远端 IP地址。 后来也从公开情报里找到这个木马，它是 AMOS Stealer 恶意软件家族的变种，之前主要针对 Windows 平台，今年四月第一次在 macOS 上被发现。 从 .zhistory 日志看，curl 前后都是 Claude Code 相关操作，高度怀疑就是 Agent 程序引入了这个木马。 我的 Claude Code 长期是 bypass 模式，所有的命令执行都是直接放过，怀疑是在做软件安装或更新的时候，AI 从互联网找到了一些不安全的资源，下载了这个木马。 这个 AMOS 木马，主要会去扫各种虚拟货币钱包，尤其是浏览器插件钱包。顺带也把我各种登录态 Cookies 全部拿走了，这才导致 X 账号被恶意添加了一个 Passkey。 一般木马进来之后，除了目的性的攻击（例如虚拟钱包转账、文件加密勒索）外，它还会使劲去找各种敏感信息，尤其是浏览器里的登录态、Keychain 里保存的账号密码、聊天工具的登录状态、开发环境里的 .env 文件和各种 token，等等。 我这个教训，大家记住两点：1）所有能够加 F2A 的账号都要加，登录时的二次验证会增加攻击者的门槛；2）AI 在执行各种程序的时候，一定要注意它在执行什么，尤其是安装和更新软件的时候，要先确认再执行。 跟一些安全研究者也交流了这个木马的细节，他说近期这类事件特别高频，攻击者会伪造各种软件的官网，Google 搜出来默认都排在第一位，诱导用户（尤其是 AI）下载木马，防不胜防！

wok，发现宝了，之前折腾各种远程方案都可以扔了 我经常出门要背那块砖一样的 16 寸 MacBook，就因为随时可能要操作电脑。 期间试过 Tailscale +tmux、Todesk 这些方案，不是配置折腾就是体验差，始终不满意。 最近圈子里有不少大佬在用UU远程，我也试了一下。 看我刚用手机录的这段视频，手机操控电脑几乎零延迟，最高 4K蓝光144 帧，两个显示器来回切也完全流畅。 但最让我惊喜的还是终端功能。 我平时一直在电脑上让AI跑任务，出门在外想看一眼任务状态，就折腾了Tailscale +tmux，说实话，体验确实一般，还总是中断。 UU 远程直接给了终端入口，手机上就能登陆终端看信息和进程。 整个过程就是纯命令行，跟在电脑前开Terminal体验一样，对玩 AI 的人来说这个功能是真的刚需。 UU远程已经两年了，说实话刚开始以为网易迟早要收费，结果到现在依然完全免费、零广告，这两年更新了几十个版本，体验越来越流畅延迟越来越低，还陆续加了远程开关机等实用功能。一直在迭代变好，但始终没收费。 支持手机对电脑、电脑对电脑多端远程控制，还有内网穿透能力，我到现在都不知道他们靠什么回本。

Marvis（马维斯）是腾讯（应用宝团队）推出的操作系统层级AI助手，2026年5月20日正式上线，官网 可直接下载（Windows/Mac/Android已开放，iOS预计6月中旬）。 它不是单纯的聊天机器人，而是能深入系统底层、真正“干活”的AI，像钢铁侠的Jarvis一样，用自然语言操控电脑/手机。 核心定位：把整台电脑变成可对话的智能对象。整合系统、文件、应用、算力、跨端连接。 架构：1个主Agent（PM）+ 5个副Agent（File文件、Computer系统、App应用、Browser浏览器、Search搜索），并行协作拆解执行复杂任务。 两种模式：效率模式：端云协同（DeepSeek V4、混元等），又快又准。 隐私模式：纯本地大模型，文件0上传，断网可用，适合财务/法务/HR等敏感场景。 每日免费：1000万Token，日常够用。

现在一个人用AI确实能把以前10人团队的事全干了， 1. 产品确定+深度调研：有一个电子 + 靠商业分析技能 + ChatGPT Pro 研究市场、竞品、用户痛点。 2. 开发测试：甩给Codex、Claude，24小时写代码、debug、迭代、测试，期间自己操控浏览器，用 computer use 操控电脑。 3. 自动化集成部署：用各种CLI工具 + 各种连接器，AI直接操作飞书、企微等，连Vercel、Cloudflare，自己部署服务器、运维环境，上线全自动。 4. 电脑操控：Computer Use 直接看屏幕、动鼠标、敲键盘，像真人一样操作你的电脑。你可以直接把电脑挂在那，手机随时发指令监督、调整，喝咖啡、睡觉、出门，它都在干活。 真正决定成败的是： 一个好的idea + 能赚钱的商业模式 + 最最重要的：被看见 这个时代，执行力被AI无限放大，但注意力是稀缺资源。

EnConvo：All in One的AI助手 EnConvo是最近新出的AI助手，功能最全面，你能想到的功能都有了，基本上接管了我的macOS，可以说是系统级的全能AI中枢。 符合我需求的主要是两方面：第一是可以便捷的给AI助手配置全面的外接能力，包括生图、生视频、语音识别、合成语音，给AI助手补充上完整的能力，相当于眼睛、嘴巴、耳朵、画笔都有了，适合媒体创作；第二是全面融合到电脑里的任意应用，我现在是在Chrome里开问问Gemini侧边栏、在PPT开Claude侧边栏，在Notion里因为没买他的AI会员就只能复制粘贴使用，使用EnConvo可以扩展到每个应用的侧面直接用，也支持快捷键快速唤起和全局语音输入，免去了所有的复制粘贴。 而且EnConvo能接入你已订阅的AI，包括GPT、Claude等，不付费也是完全能用的，付费则可以按量使用Opus模型。 EnConvo的功能有多全面，请看我大致挖掘的功能列表。 EnConvo= Codex：编程、工作、Computer Use +多媒体工作台：ASR、TTS、OCR、生成图片、生成视频，其中的ASR、TTS、OCR支持配置本地模型，使用Opus+这些能力，就是天然的多媒体Agent，可以实现翻译视频、一键生成短剧等功能 +飞书会议：发起多人会议、实时转录、会议纪要 +豆包输入法：按住右侧Command键语音输入。而且不会像豆包那样抢占输入法 +Ollama：下载适合电脑配置的模型，然后本地运行 +UU远程：手机端EnConvo连接电脑，可以远程操控 +全局语音唤起：按右侧的option即可语音输入发起聊天，AI同时用文字+语音回复 +划词搜索：类似苹果自带的三指查询，选中词条或句子可以唤起工具栏，翻译/解释/AI润色/问问AI等自定义工具 +应用侧边栏：吸附在当前正在使用的应用旁，伴随式协助阅读、编程或写作 +桌面宠物：可以互动和派任务 +Live Talk实时对话：类似GPT的实时语音对话 +下载视频：YouTube、X、Tiktok等均可下载 +知识库：导入和管理知识库 因为能配全套的音视频能力，制作大肥鱼视频是完全没问题的。看看大肥鱼来讲解黄仁勋出轨事件的来龙去脉。 官网免费下载：

豆包越来越像 Codex 了，这是我最近用下来最直观的感受。Codex 一直是我心里 Agent App 体验的标杆，而豆包这波更新，从 GUI 电脑操作到手机远程操控，很多设计思路都能看到 Codex 的影子，有些地方甚至做了本土化的超越。 最近我老婆回国，在国内用不了 ChatGPT 和 Claude 这些，日常就用豆包帮她查资料、做攻略。这两天她需要在自己电脑里找个文档，人在国内，电脑在美国——直接用手机上的豆包指挥美国这边的电脑，帮她把文档找出来发到飞书，手机上就能访问了，非常方便。 注意使用的时候要在手机和电脑上登录相同的账号，并且电脑上要允许手机连接才行。然后从手机打开“工作任务”，就可以在底部看到你连接的电脑端。 （参考图3图4） 手机指挥 Agent 现在是我日常用得很多的功能。在外面的时候可以随时从手机看 Agent 任务的执行进度，或者临时想到什么事情，通过手机就能指挥家里/公司电脑上的 Agent 去执行，回家直接看结果，通勤路上也不耽误。 之所以要通过手机指挥电脑，是因为电脑上的资源通常是最全的：硬盘上有所有文档、代码库，有各种配置好的技能，而电脑又不可能一直随身带着。想想看，快下班的时候还有个任务没跑完，又不想干等着，那就先让 Agent 跑着，用手机连上电脑随时看进度，有问题还能中途插话调整。动口不动手，重复活儿全甩给它。 豆包在 Windows 版本上的 GUI 电脑操作功能体验下来相当的好用，它巧妙的通过豆包虚拟桌面让人和 AI 同时操作电脑，互不干扰，这点优势还蛮明显的，有点我第一次用 Codex 在 Mac 上的 Computer Use 感觉一样，就是它帮你操作电脑 App，但是完全不影响你当前正在执行的任务。不像 Claude Code 一旦使用 Computer Use，你就得等它操作完才能继续干活。 （参考图1图2） Computer Use 让 Agent 直接帮你操作图形界面的软件：点按钮、填表格、下载文件，理论上即使没有提供 CLI 的软件都能控制。日常能用的场景很多： - 办公类：新建和排版 Word/Excel/PPT，处理函数、生成图表，或者让它开着浏览器做调研然后直接产出 PPT - 桌面类：批量归类整理文件、改系统设置、管理启动项这类琐碎活儿 - 长尾类：PS 批量改图导出、证件照排版打印，甚至通过微信桌面版帮你发消息 - 发散玩法：游戏帧率优化设置、自动化信息收集整理…… 基本上你觉得「这活儿也能甩给 AI？」的重复劳动，都值得试试 我自己使用 Agent 有个技巧，就是尽可能让 Agent 能自己检查自己、拿到反馈。比如写程序，要让它自己写测试，或者用 Computer Use 去验证 App 的运行操作，自己去模拟用户操作；即使是让 AI 生成 PPT，也会让它自己截图验证下看看效果。这样可以减少人工干预，最大化利用好 Agent 的能力。 入口在豆包 PC 端的「工作任务」模式里，Windows 用户记得升级到最新版；Mac 目前还只支持内置浏览器的 GUI 操作。

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。 而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统 我把自己最常用的 20 个技巧整理出来了。 如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。 一、让 Codex 逐渐认识你 1. 每天让它问你一个问题 我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察 现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来 把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。 二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘 让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员 你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事 日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。 三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品 做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作 我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流 不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。 四、建立自己的信息雷达 16. 每天订阅 Builder 信息 我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。 五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页 看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠 我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是： 不要把 AI 只当作“问答工具”或“临时外包”。 当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。 换电脑时，我第一个装的软件就是 Codex。 写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。 你最想让我把上面哪一条展开成教程？ 评论区告诉我，我下一条就拆！ #codex# #chatgpt# @thsottaux

10个GitHub仓库帮你爬取整个互联网 全部收藏。每个都能从任何网站提取干净数据，这种访问权限通常需要销售电话和合同才能获得。 1. 指向任何网站，它就能爬取每个页面、渲染JavaScript，返回AI能立即读取的干净结构化数据。13万星，进入GitHub百大仓库。半数AI创业公司悄悄运行的爬虫骨架，完全开源。 2. GitHub排名第一的爬虫。把任何网站转换成干净的LLM就绪的markdown，比付费服务更快，无需API密钥、无需账户、无需按页面付费。某开发者被16美元的付费爬虫激怒后几天就搞出来了。5.1万星。Apache 2.0。 3. 像真人一样操控浏览器的AI代理，点击、滚动、登录、填表，从未见过的网站中提取数据。两位苏黎世ETH研究员开发，一年内达到9.5万星。能爬取简单爬虫无法触及的页面。MIT协议。 4. 完整专业爬虫框架，包含轮换代理、自动重试、浏览器指纹欺骗和队列管理。防止被封禁的全套机制，爬虫公司收费数千的技术栈，现在免费给你。 5. 十多年来悄悄为数据团队赋能的工业级爬虫。爬百万页面、提取任何内容、干净导出。在大多数付费工具无法触及的规模上经过实战检验，始终免费。 6. 微软自家工具，将任何文件或网页、PDF、Office文档、HTML、图像转换成AI能用的干净markdown。整个数据管道公司都在围绕此构建，由微软开源。 7. 隐形爬虫，能自动适应网站布局变化，绕过反爬虫检测。防爬供应商当高级功能出售的猫鼠游戏，现在免费开源。 8. 从电脑远程控制任何安卓手机，提取数据和自动化没有网站的应用。通往大多数爬虫无法触及的纯移动平台的桥梁。13万+星。Apache 2.0。 9. 给一个例子它就自动找出规律爬取网站其余内容。无需选择器、无需代码维护。'直接给我数据'按钮，几行Python。 10. curl的增强版，完美模拟真实浏览器指纹，请求看起来就像有Chrome的真人。昂贵爬虫API底层暗用的最低级技巧，现在免费。 公司为此收费2000美元/月。源代码就在这儿。