这个叫 TuriX-CUA 的开源项目也是一个让 AI 替你玩电脑的 AI 智能体。
它也是给 AI 装上眼睛和手，让它像人一样看着屏幕，动鼠标、敲键盘，帮你把活儿干了。
前两天，TuriX-CUA 刚更新了一波大的，引入了多模型架构，在测试集通过率超过 了 80%，确实有点东西。
开源地址：https://github.com/TurixAI/TuriX-CUA01
开源项目简介
TuriX-CUA（Computer Use Agent）是一个基于 Python 的开源 Agent。它的核心逻辑非常暴力美学：
看（See）：每隔几秒截一张你屏幕的图。
想（Think）：把截图扔给多模态大模型，问它："老铁，用户让我订机票，现在屏幕上这情况，我下一步该点哪？"
动（Act）：模型返回坐标，TuriX 控制你的鼠标移过去点击，或者在输入框里打字。
听起来是不是像个宏？不，宏是死的，它是活的。遇到弹窗它知道关，遇到网页加载慢它知道等，这就很灵性。
而且在成功率和速度方面比其它开源 Agent 要好：
02
为什么它值得关注？
跨平台支持
最开始这项目是专门搞MacOS的，但到了2025年下半年，它已经支持 Windows 了。
这对于咱们大多数用 PC 打工的人来说太重要了。只要切换到 Windows 分支，就能在 Windows 上跑。
MacOS 端支持
预订机票、酒店和 Uber。
Windows 端支持
在 YouTube 搜索视频内容并点赞
支持 MCP 协议
支持 MCP 意味着你可以把 TuriX 当成一个工具人挂载到 Claude for Desktop 或者 Cursor 上。
你可以直接对 Claude 说："帮我查一下最近的 AI 新闻，然后写个文档发给老张。"
Claude 通过 MCP 指挥 TuriX 去浏览器搜索、去 Word 里打字、去微信里发消息。这简直就是左右互搏术，效率翻倍：
除此之外，它还支持多模型架构（Multi-Agent），Planner（规划师）负责把大任务拆解成步骤。
Executor（执行者）负责具体的点击和输入。这种脑手分离的设计，大大降低了模型发癫乱点的概率。
03
如何使用
虽然 GitHub 上有文档，但有些坑还得我替你们踩。这里以 Mac 为例，Windows 逻辑差不多。
第一步：环境准备
首先，你得有 Python 环境。强烈建议用 Conda，不然依赖包能把你搞疯。
conda create -n turix_env python=3.12conda activate turix_envgit clone https://github.com/TurixAI/TuriX-CUA.gitcd TuriX-CUApip install -r requirements.txt
第二步：搞定模型
在 examples/config.json 里配置模型。官方默认推荐用它们自家的 API（Turix API），注册送点额度。
既然是开源，咱们其实可以换成自己的模型。如果你有 OpenAI 兼容的接口，或者本地跑了个 Qwen3-VL，改改 main.py 里的 build_llm 函数就能用。
注意：现在的 Qwen3-VL 在处理 UI 界面上的能力非常强，识别小图标贼准，强烈推荐试试。
第三步：权限地狱
因为 TuriX 要控制鼠标键盘，还要录屏，Mac 的安全机制会疯狂报警。
去 系统设置 -> 隐私与安全性 -> 辅助功能，把你的终端和 IDE都勾上。如果你要操作 Safari，记得在 Safari 的开发菜单里勾上允许远程自动化。
第一次运行时，系统可能会弹窗问你是否允许控制电脑，一定要点允许，不然鼠标只会原地抽搐。
第四步：开跑
配置好任务，比如在 config.json 里写上：
{"agent": {"task": "打开Safari，搜索一下iPhone 17 Pro现在的价格，然后打开备忘录记下来"}}
然后运行：
python examples/main.py这时候，你双手离开键盘，就会看到鼠标自己动了起来，像幽灵一样打开浏览器，输入文字，真有点赛博朋克的感觉。
04
点击下方卡片，关注逛逛 GitHub
这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：
没有评论:
发表评论