Agent Desktop：AI 操控电脑桌面的开源 CLI

让 AI 智能体操作电脑，传统做法靠截图加像素识别，慢、贵、容易点错。agent-desktop 换了个思路：通过操作系统无障碍树（accessibility tree）读取桌面应用，一次快照返回 JSON，每个可操作元素都带一个 ref，智能体对 ref 执行动作后再快照确认，全程不做像素匹配，操作循环留在你自己的智能体代码里。它同时是 CLI 和 C 库，覆盖 macOS、Windows、Linux，每条 CLI 命令在独立进程运行，无头调用也禁止前台激活与合成输入。上手很简单：npm install -g agent-desktop，Bun/Yarn/pnpm 同样能装，内置 x64 与 ARM64 原生二进制；不想走 JS 启动器可直接从 GitHub Releases 下载对应平台压缩包，Homebrew 和 Scoop 官方包在提交中。注意：快照、剪贴板、截图、命令输出都可能包含私人桌面内容，别传公开日志。另附可选的 JEV 辅助工具，把屏幕描述发给配置好的模型提供商。适合正在写电脑操作智能体、做桌面自动化的开发者；想接自动化外包的新手可以研究，但需要一定编程基础。