mac_computer_use
mac_computer_use 是一款专为 macOS 用户打造的开源工具,它让 Claude 等 AI 模型能够直接操控你的电脑。作为 Anthropic 官方 Computer Use 项目的 Mac 原生分支,它解决了原版必须依赖 Docker 和 Ubuntu 虚拟环境的痛点,让用户无需配置复杂的容器环境,即可在本地系统上体验 AI 自主操作电脑的功能。
这款工具特别适合开发者、技术研究人员以及希望探索 AI 自动化潜力的进阶用户。通过它,你可以让 AI 自动执行屏幕截图、键盘输入、鼠标点击甚至文件编辑等任务,极大地拓展了人机交互的边界。
其核心技术亮点在于完全原生的 macOS 支持:利用系统自带命令进行屏幕捕获,并借助 cliclick 工具实现精准的键鼠控制,同时支持自动屏幕分辨率缩放以优化模型识别效果。此外,它还兼容 Anthropic、Bedrock 和 Vertex 等多个大模型提供商,并通过 Streamlit 提供了简洁易用的可视化界面。
需要注意的是,由于赋予了 AI 极高的系统权限,使用时请务必保持谨慎,建议在受控环境中测试,避免潜在的安全风险。对于想要深入研究 AI Agent 如何在真实操作系统中工作的朋友来说,mac_computer_use 提供了一个便捷且高效的实验平台。
使用场景
资深数据分析师需要在 macOS 环境下,每日从多个本地遗留系统中提取报表并整合成统一的 Excel 文档。
没有 mac_computer_use 时
- 操作繁琐重复:必须人工逐个打开旧版软件,手动点击“导出”按钮并保存文件,耗时且容易因疲劳出错。
- 跨应用协作困难:无法让 AI 直接操控鼠标键盘,只能依赖不稳定的 AppleScript 或手动复制粘贴数据。
- 环境部署复杂:若想尝试自动化,往往需配置 Docker 容器模拟 Linux 环境,与本机 macOS 文件系统交互存在权限和路径障碍。
- 异常处理滞后:一旦某个弹窗位置微调或软件响应变慢,预设的脚本就会中断,需要人工介入重启流程。
使用 mac_computer_use 后
- 全流程自主执行:Claude 3.5 Sonnet 可直接通过 cliclick 接管鼠标键盘,自动识别屏幕元素并完成从打开软件到保存文件的全套动作。
- 原生系统无缝集成:无需 Docker 虚拟化,直接调用 macOS 原生截图和命令工具,实时感知界面变化并精准操作本地文件。
- 动态适应能力强:基于视觉反馈自主决策,即使弹窗位置偏移或加载延迟,也能像人类一样等待或重新定位,大幅降低失败率。
- 自然语言驱动:只需在 Streamlit 界面输入“把上周的销售报表汇总到 Excel",即可自动触发复杂的多步骤跨应用工作流。
mac_computer_use 将原本需要数小时的人工机械操作,转化为由大模型自主完成的分钟级任务,真正实现了 macOS 上的“动口不动手”。
运行环境要求
- macOS
未说明
未说明

快速开始
Anthropic 计算机使用(适用于 Mac)
Anthropic 计算机使用 是一项 Anthropic 的 Beta 功能,它运行一个包含 Ubuntu 的 Docker 镜像并对其进行控制。此分叉允许您在 macOS 上原生运行该功能,通过原生的 macOS 命令和实用程序直接控制系统。
[!CAUTION] 这显然伴随着一定的风险。Anthropic 代理可以控制您 Mac 上的一切。请务必小心。 Anthropic 新推出的 Claude 3.5 Sonnet 模型拒绝执行诸如购买商品或下载非法内容等不安全的操作。
特性
- 原生 macOS GUI 交互(无需 Docker)
- 使用原生 macOS 命令进行屏幕截图
- 通过 cliclick 控制键盘和鼠标
- 支持多个 LLM 提供商(Anthropic、Bedrock、Vertex)
- 基于 Streamlit 的界面
- 自动屏幕分辨率缩放
- 文件系统交互与编辑能力
先决条件
- macOS Sonoma 15.7 或更高版本
- Python 3.12+
- Homebrew(用于安装额外依赖)
- cliclick (
brew install cliclick)——用于鼠标和键盘控制
设置说明
- 克隆仓库并进入目录:
git clone https://github.com/deedy/mac_computer_use.git
cd mac_computer_use
- 创建并激活虚拟环境:
python3.12 -m venv venv
source venv/bin/activate
- 运行设置脚本:
chmod +x setup.sh
./setup.sh
- 安装 Python 依赖:
pip install -r requirements.txt
运行演示
设置您的环境和 Anthropic API 密钥
- 在
.env文件中添加:
API_PROVIDER=anthropic
ANTHROPIC_API_KEY=<key>
WIDTH=800
HEIGHT=600
DISPLAY_NUM=1
设置屏幕尺寸(建议保持在 XGA/WXGA 分辨率范围内),并将您的密钥填入 Anthropic 控制台。
- 启动 Streamlit 应用程序:
streamlit run streamlit.py
界面将可在 http://localhost:8501 访问。
屏幕尺寸注意事项
我们推荐使用以下分辨率以获得最佳性能:
- XGA:1024×768(4:3)
- WXGA:1280×800(16:10)
- FWXGA:1366×768(约 16:9)
更高的分辨率将自动缩放到这些目标分辨率,以优化模型性能。您可以通过环境变量设置分辨率:
export WIDTH=1024
export HEIGHT=768
streamlit run streamlit.py
[!IMPORTANT] 此参考实现中使用的 Beta API 可能会发生变化。请参阅 API 发布说明,以获取最新信息。
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。