工作机制与关键组成
读取界面
获取当前界面的截图，或读取其无障碍信息。
执行操作
通过受控运行环境点击、输入、滚动或发送键盘操作。
确认结果
重新获取界面状态，确认操作达成预期后再继续。
如何选择
只有当 API、DOM 或直接集成无法更可靠地完成操作时，再考虑这种方式。
适合解决哪些问题
- 操作没有 API 或浏览器自动化接口的桌面软件。
- 在严格监督下自动化旧版图形界面流程。
使用时要留意什么
- 界面布局、分辨率或弹窗变化时，视觉坐标容易失效。
- 建议使用隔离账号；涉及删除、付款等操作时应要求人工确认。
使用前，先弄清楚
Computer Use 与浏览器 DOM 自动化有什么区别？
Computer Use 可以通过截图和键鼠操作图形界面，适用范围包括桌面应用；DOM 自动化依赖网页结构来定位元素。能使用稳定 API 或页面元素定位的任务，应先评估这些方式。只有界面可用时，截图操作才更有必要，同时要应对分辨率和弹窗变化。
放在一起理解
继续核对原始资料
概念说明参考项目文档与源码；场景选择和接入建议为 AI Manuals 的整理判断。版本、价格、许可及接口细节请以项目当前说明为准。
- 项目文档与说明platform.claude.com
- Anthropic Computer Use 指南docs.anthropic.com