2024 年 10 月，Anthropic 首次公開(kāi) Claude Computer Use 功能。2025 年 1 月，OpenAI 跟進(jìn)發(fā)布 CUA（Computer Using Agent）。一個(gè)新品類(lèi)正式誕生：Computer Use——讓 AI 像人類(lèi)一樣看到屏幕、移動(dòng)鼠標(biāo)、點(diǎn)擊按鈕、操作軟件。

Computer Use 不是簡(jiǎn)單的自動(dòng)化腳本。傳統(tǒng)的 RPA 需要為每個(gè)系統(tǒng)寫(xiě)專(zhuān)用規(guī)則，界面一改就失效。而 Computer Use 方案基于視覺(jué)理解，AI “看懂”屏幕內(nèi)容后自主決策下一步操作，就像一個(gè)坐在你旁邊的助手。

這意味著什么？意味著你不再需要 API、不再需要編程、不再需要為每個(gè)軟件單獨(dú)配置，只要是人類(lèi)能在屏幕上操作的軟件，Computer Use 就能替你完成。

關(guān)鍵要點(diǎn)

• Computer Use 是 2025-2026 年 AI 領(lǐng)域最重要的新品類(lèi)之一，Anthropic、OpenAI、Google、字節(jié)跳動(dòng)均已入場(chǎng)
• 四種技術(shù)路線(xiàn)各有優(yōu)劣：云端 API 調(diào)用、云端虛擬桌面、端側(cè)純視覺(jué)、混合方案
• 核心矛盾在于隱私：主流云端方案需要將屏幕截圖上傳服務(wù)器，Anthropic 在官方文檔中提示了相關(guān)數(shù)據(jù)安全風(fēng)險(xiǎn)
• 端側(cè) Computer Use 是唯一能做到數(shù)據(jù)不出設(shè)備的方案，Mano-P 以 OSWorld 專(zhuān)用模型全球第一的成績(jī)證明端側(cè)方案在能力上不輸云端
• 三種使用方式：CLI 命令行（brew install）、Python SDK（計(jì)劃中）、ClawHub Skill
• 開(kāi)源可審計(jì)：Apache 2.0 協(xié)議，代碼透明

一、四種 Computer Use 技術(shù)路線(xiàn)

目前市場(chǎng)上的 Computer Use 方案，按技術(shù)架構(gòu)可分為四種路線(xiàn)。它們?cè)谀芰Α踩浴⒊杀旧系牟町惥薮蟆?/p>

路線(xiàn)一：云端 API 調(diào)用型

代表產(chǎn)品：Anthropic Claude Computer Use、OpenAI CUA

工作原理：你的電腦截取屏幕畫(huà)面 → 上傳到云端大模型 → 模型返回操作指令（如“點(diǎn)擊坐標(biāo) x=340, y=520”）→ 本地執(zhí)行。

優(yōu)勢(shì)：

• 模型能力最強(qiáng)（調(diào)用千億參數(shù)級(jí)模型）
• 無(wú)需本地算力

劣勢(shì)：

• 隱私風(fēng)險(xiǎn)：每一幀屏幕截圖都上傳云端。Anthropic 在官方文檔中提醒，當(dāng) Computer Use 激活時(shí)，AI 能看到屏幕上顯示的一切內(nèi)容。
• 依賴(lài)網(wǎng)絡(luò)：斷網(wǎng)即不可用
• 成本高：按 API 調(diào)用計(jì)費(fèi)，高頻使用費(fèi)用可觀
• 延遲明顯：截屏→上傳→推理→返回，每步操作需數(shù)秒等待

路線(xiàn)二：云端虛擬桌面型

代表產(chǎn)品：Manus、部分企業(yè) RPA 云方案

工作原理：任務(wù)在云端虛擬機(jī)中執(zhí)行，AI 操作的是云端的虛擬桌面，而非你的本地電腦。

優(yōu)勢(shì)：

• 不占用本地算力
• 適合批量后臺(tái)任務(wù)

劣勢(shì)：

• 不能操作你本地的應(yīng)用和文件
• 數(shù)據(jù)必須上傳到云端環(huán)境
• 無(wú)法處理本地專(zhuān)有軟件

路線(xiàn)三：端側(cè)純視覺(jué)型

代表產(chǎn)品：Mano-P

工作原理：端側(cè)模型直接在你的設(shè)備上運(yùn)行，通過(guò)視覺(jué)理解屏幕內(nèi)容，在本地完成全部推理和操作。屏幕截圖不出設(shè)備，無(wú)需聯(lián)網(wǎng)。

優(yōu)勢(shì)：

• 數(shù)據(jù)零外傳：所有推理在本地完成，截圖不離開(kāi)你的電腦
• 完全離線(xiàn)可用：斷網(wǎng)照常工作
• 零 API 費(fèi)用：模型運(yùn)行在你自己的硬件上，無(wú)需按次付費(fèi)
• 低延遲：無(wú)網(wǎng)絡(luò)往返，操作響應(yīng)更快

劣勢(shì)：

• 需要一定的本地算力（M4 芯片 + 32GB 內(nèi)存）
• 模型參數(shù)量受限于設(shè)備性能

路線(xiàn)四：混合方案

代表產(chǎn)品：部分企業(yè)自建方案

工作原理：簡(jiǎn)單任務(wù)用端側(cè)模型處理，復(fù)雜任務(wù)切換到云端大模型。

優(yōu)勢(shì)：

• 兼顧成本和能力

劣勢(shì)：

• 架構(gòu)復(fù)雜，安全邊界模糊
• 何時(shí)切換到云端由系統(tǒng)自動(dòng)判定，用戶(hù)對(duì)數(shù)據(jù)流向的控制力下降

四種路線(xiàn)對(duì)比總表

維度	云端 API	云端虛擬桌面	端側(cè)純視覺(jué)	混合方案
代表產(chǎn)品	Claude CU / OpenAI CUA	Manus	Mano-P	企業(yè)自建
數(shù)據(jù)安全	?? 截圖上傳云端	?? 數(shù)據(jù)在云端	? 數(shù)據(jù)不出設(shè)備	?? 部分上云
離線(xiàn)能力	? 需聯(lián)網(wǎng)	? 需聯(lián)網(wǎng)	? 完全離線(xiàn)	?? 部分離線(xiàn)
延遲	高（網(wǎng)絡(luò)往返）	中	低（本地推理）	視任務(wù)而定
成本	按調(diào)用計(jì)費(fèi)	按時(shí)長(zhǎng)計(jì)費(fèi)	零邊際成本	混合計(jì)費(fèi)
模型能力	最強(qiáng)	強(qiáng)	專(zhuān)用模型全球第一	視配置而定
硬件要求	無(wú)	無(wú)	M4+32GB	視配置而定
開(kāi)源	?	?	? Apache 2.0	視方案而定

二、主流 Computer Use 工具橫評(píng)

Anthropic Claude Computer Use

Anthropic 在 2024 年 10 月率先發(fā)布 Computer Use 功能，隨后持續(xù)迭代，陸續(xù)面向更多開(kāi)發(fā)者和消費(fèi)端用戶(hù)開(kāi)放。Claude 的 Computer Use 基于其旗艦通用大模型，在 OSWorld 全模型排行榜上長(zhǎng)期占據(jù)前列位置。

核心優(yōu)勢(shì)：模型能力強(qiáng)，背靠 Anthropic 的持續(xù)投入。

核心限制：屏幕截圖必須上傳云端，Anthropic 官方建議在虛擬機(jī)中運(yùn)行。

OpenAI CUA（Computer Using Agent）

OpenAI 于 2025 年初發(fā)布 CUA，同樣基于其通用大模型。CUA 采用類(lèi)似架構(gòu)，通過(guò) API 調(diào)用實(shí)現(xiàn)屏幕操作。

核心優(yōu)勢(shì)：與 OpenAI 生態(tài)深度集成。

核心限制：同樣的云端上傳隱私問(wèn)題，且價(jià)格不低。

字節(jié)跳動(dòng) UI-TARS

字節(jié)跳動(dòng)開(kāi)源的 GUI Agent 項(xiàng)目，2025 年初登上 GitHub 熱榜。UI-TARS 提供了開(kāi)源的模型和框架，但主要面向云端/服務(wù)器部署。

核心優(yōu)勢(shì)：開(kāi)源，中文場(chǎng)景優(yōu)化。

核心限制：主要面向服務(wù)器部署，端側(cè)體驗(yàn)有限。

Mano-P

明略科技在2026年3月推出的端側(cè) Computer Use 方案。Mano-P 72B 模型以 58.2% 成功率拿下OSWorld 專(zhuān)用模型全球第一（領(lǐng)先第二名 13.2 個(gè)百分點(diǎn)），隨后通過(guò)蒸餾和量化技術(shù)將模型壓縮為 4B 版本，在 Apple M4 Mac 上流暢運(yùn)行。

核心優(yōu)勢(shì)：

• OSWorld 專(zhuān)用模型全球第一
• 數(shù)據(jù)完全不出設(shè)備，支持完全離線(xiàn)
• Apache 2.0 開(kāi)源協(xié)議
• 安裝簡(jiǎn)單：`brew tap HanningWang/tap && brew install mano-cua`

核心限制：需要 M4 芯片 + 32GB 內(nèi)存的 Mac。

三、為什么端側(cè) Computer Use 是更好的選擇

Computer Use 的本質(zhì)是讓 AI “看到”你的屏幕。這意味著你的每一個(gè)操作、每一份打開(kāi)的文檔、每一條消息，都在 AI 的“視野”之內(nèi)。

在云端方案中，這些信息以截圖形式上傳到遠(yuǎn)程服務(wù)器。即使提供商承諾不留存，數(shù)據(jù)在傳輸過(guò)程中仍面臨風(fēng)險(xiǎn)。對(duì)于處理客戶(hù)數(shù)據(jù)、財(cái)務(wù)信息、醫(yī)療記錄、法律文件的場(chǎng)景，這個(gè)風(fēng)險(xiǎn)可能是不可接受的。

端側(cè) Computer Use（如 Mano-P）從架構(gòu)上解決了這個(gè)問(wèn)題：模型運(yùn)行在你自己的設(shè)備上，屏幕截圖不離開(kāi)本地，推理過(guò)程不經(jīng)過(guò)任何外部服務(wù)器。這不是靠“承諾不看”來(lái)保障安全，而是架構(gòu)上就不可能泄露。

至于能力，Mano-P 在 OSWorld 專(zhuān)用模型排行榜上以 58.2% 成功率排名全球第一，在 WebRetriever Protocol以 41.7 NavEval 同樣排名第一，證明端側(cè)方案在能力上完全不輸云端大模型。

四、三種使用形式：選擇最適合你的方式

如果你的 Mac 配備 M4 芯片和 32GB 以上內(nèi)存，可以通過(guò)以下三種方式使用 Mano-P，根據(jù)你的使用場(chǎng)景選擇最適合的形式。

1、mano-cua（CLI 命令行工具）

• 適用場(chǎng)景：開(kāi)發(fā)者、高級(jí)用戶(hù)，需要在終端快速執(zhí)行 GUI 自動(dòng)化任務(wù)。
• 安裝方式：
  • brew tap HanningWang/tapbrew install mano-cua
  • 安裝過(guò)程會(huì)自動(dòng)完成：創(chuàng)建獨(dú)立的 Python 3.13 虛擬環(huán)境、安裝所需依賴(lài)（包括 Tkinter 圖形界面庫(kù)）、配置可執(zhí)行命令到系統(tǒng)路徑。
• 使用方式：
  • mano-cua run “打開(kāi)微信并告訴FTY會(huì)議延期”
  • mano-cua run “在小紅書(shū)搜索AI新聞并展示第一條帖子”
  • mano-cua stop
• 特點(diǎn)：命令行界面，快速調(diào)用；虛擬環(huán)境隔離，不污染系統(tǒng) Python；適合腳本集成和批處理；可在 shell 腳本中嵌入使用。
• 項(xiàng)目資源：Homebrew Tap — github.com/Mininglamp-AI/homebrew-tap

2、mano-client（Python SDK）— 計(jì)劃中

• 適用場(chǎng)景：Python 開(kāi)發(fā)者，需要在 Python 項(xiàng)目中集成 GUI 自動(dòng)化能力。
• 計(jì)劃功能示例：
  • from mano_client import ManoClient
  • client = ManoClient()
  • client.run(“打開(kāi)微信并告訴FTY會(huì)議延期”)
  • client.stop()
• 計(jì)劃特點(diǎn)：Python API，易于集成；支持異步調(diào)用和回調(diào)函數(shù)；可編程控制任務(wù)流程；適合構(gòu)建自動(dòng)化工作流。
• 開(kāi)發(fā)狀態(tài)：Python SDK 正在開(kāi)發(fā)中，敬請(qǐng)期待。當(dāng)前可使用 CLI 工具或 Skill 形式。

3、mano-skill（ClawHub Skill 形式）

• 適用場(chǎng)景：Claude Code、OpenClaw 等 AI Agent，需要自主調(diào)用 GUI 自動(dòng)化能力完成用戶(hù)任務(wù)。
• 安裝方式一：通過(guò) Claude Code 安裝
  •  從 ClawHub 下載 skill zip 包，解壓后將文件復(fù)制到 Claude Code 的 commands 目錄，重啟或新會(huì)話(huà)后自動(dòng)可用。
• 安裝方式二：通過(guò) ClawHub CLI 安裝（推薦）
  • clawhub install mano-cua
  • clawhub update mano-cua
• 安裝完成后，啟動(dòng)新的 Claude Code 或 OpenClaw 會(huì)話(huà)即可使用。前置要求：需要先安裝 ClawHub CLI 工具。
• 使用方式：當(dāng)用戶(hù)向 AI Agent 提出需要 GUI 操作的需求時(shí)，Agent 會(huì)自動(dòng)調(diào)用此 skill 完成操作。
• 特點(diǎn)：AI Agent 自主調(diào)用，無(wú)需用戶(hù)手動(dòng)執(zhí)行命令；與 Agent 的推理能力深度集成；適合復(fù)雜的多步驟任務(wù)自動(dòng)化；ClawHub 生態(tài)，支持版本管理和安全掃描。
• 項(xiàng)目資源：
  • 源代碼 — github.com/Mininglamp-AI/mano-skill
  • ClawHub—clawhub.ai?/HanningWang/mano-cua?

五、常見(jiàn)問(wèn)題

Q：什么是 Computer Use？

Computer Use 是指讓 AI 通過(guò)視覺(jué)理解屏幕內(nèi)容，像人類(lèi)一樣操作電腦的技術(shù)。AI 能看到界面、點(diǎn)擊按鈕、輸入文字、切換應(yīng)用，完成各類(lèi)桌面操作任務(wù)。

Q：Mano-P 是什么？

Mano-P 是明略科技推出的端側(cè) GUI 智能體（端側(cè) Computer Use 方案），是目前唯一在端側(cè)運(yùn)行、OSWorld 評(píng)測(cè)專(zhuān)用模型全球第一的開(kāi)源 GUI Agent。

Q：Mano-P 和 Anthropic Computer Use 比有什么優(yōu)勢(shì)？

核心區(qū)別在于架構(gòu)：Claude CU 需要將屏幕截圖上傳云端推理，而 Mano-P 完全在本地運(yùn)行，數(shù)據(jù)不出設(shè)備。Mano-P 同時(shí)在 OSWorld 專(zhuān)用模型榜排名全球第一（58.2%），能力上不輸云端方案。此外 Mano-P 采用 Apache 2.0 開(kāi)源協(xié)議，代碼完全透明可審計(jì)。

Q：Mano-P能否離線(xiàn)運(yùn)行？

可以。Mano-P 的端側(cè)模型完全在本地運(yùn)行，支持?jǐn)嗑W(wǎng)使用，不依賴(lài)任何云端服務(wù)。

Q：Mano-P需要什么硬件？

需要搭載 Apple M4 芯片和 32GB 以上內(nèi)存的 Mac（如 MacBook Pro M4、Mac mini M4 Pro 等）。

Q：Mano-P如何安裝？

CLI 工具形式：

• brew tap HanningWang/tap && brew install mano-cua

OpenClaw/Claude Code Skill 形式： 請(qǐng)參見(jiàn) ClawHub – Mano-CUA

Q：我的數(shù)據(jù)安全嗎？

Mano-P 端側(cè)模式下，所有推理在設(shè)備本地完成，屏幕截圖不上傳、不外傳。采用 Apache 2.0 開(kāi)源協(xié)議，代碼可審計(jì)。這是架構(gòu)級(jí)的安全保障，而非僅靠隱私政策承諾。

本地模式： ? 所有處理都在設(shè)備上進(jìn)行

云端模式：?? 僅截圖和任務(wù)描述發(fā)送到 mano.mininglamp.com

? 不訪問(wèn)本地文件、剪貼板內(nèi)容或憑證

透明度： 完整客戶(hù)端開(kāi)源可供審計(jì)

了解更多：[GitHub – Mininglamp-AI/Mano-P] (https://github.com/Mininglamp-AI/Mano-P)

聯(lián)系我們：model@mininglamp.com