القائمة
电脑操控技能。让AI像人一样操控电脑：看屏幕、点鼠标、打字、操作软件。适用于：操作桌面软件（没有API的系统）、自动填写表单、点击按钮、多窗口操作、截屏查看界面。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | computer-use |
| description | 电脑操控技能。让AI像人一样操控电脑：看屏幕、点鼠标、打字、操作软件。适用于：操作桌面软件（没有API的系统）、自动填写表单、点击按钮、多窗口操作、截屏查看界面。 |
| dependencies | pip install pyautogui mss pillow pygetwindow pyperclip |
让小咪像人一样操控电脑：看屏幕、点鼠标、打字、操作软件。
使用前需安装 Python 依赖：
pip install pyautogui mss pillow pygetwindow pyperclip
当以下情况时使用此 Skill：
| 层级 | 方式 | 速度 | 成本 | 适用场景 |
|---|---|---|---|---|
| L1 | UI Automation | ⚡极快 | 免费 | Windows 原生应用、标准控件 |
| L2 | 截图 + AI 视觉 | 🐢较慢 | 消耗token | 复杂界面、非标准控件 |
| L3 | OCR + 文本分析 | ⚡快 | 低 | 纯文字识别场景 |
原则：能用 L1 就不用 L2，90% 的操作 L1 就够了。
1. 获取界面信息（UI Tree 或 截图）
2. 分析界面，理解当前状态
3. 决定下一步操作
4. 执行操作（点击/输入/快捷键）
5. 等待响应
6. 再次获取界面信息，确认结果
7. 循环直到任务完成
方式 A: UI Automation（首选）
python ~/.openclaw/skills/computer-use/scripts/ui_tree.py
输出：当前窗口所有可交互元素的列表（名称、类型、坐标）
方式 B: 截图 + AI 分析（备选）
python ~/.openclaw/skills/computer-use/scripts/screenshot.py 0.5
然后用 image 工具分析截图：
image(image="~/tmp/screenshot.png", prompt="描述这个界面上有哪些可交互元素")
# 点击
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"click\",\"x\":500,\"y\":300}"
# 双击
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"double_click\",\"x\":500,\"y\":300}"
# 输入文字
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"type\",\"text\":\"Hello World\"}"
# 快捷键
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"hotkey\",\"keys\":[\"ctrl\",\"c\"]}"
# 按键
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"press\",\"key\":\"enter\"}"
# 滚动
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"scroll\",\"amount\":-3}"
# 拖拽
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"drag\",\"start_x\":100,\"start_y\":200,\"end_x\":300,\"end_y\":400}"
# 等待
python ~/.openclaw/skills/computer-use/scripts/action.py "{\"type\":\"wait\",\"seconds\":2}"
再次运行 ui_tree.py 或 screenshot.py 确认操作是否成功。
| 操作 | type | 必需参数 | 可选参数 |
|---|---|---|---|
| 点击 | click | x, y | button(left/right), clicks |
| 双击 | double_click | x, y | - |
| 右键 | right_click | x, y | - |
| 移动鼠标 | move | x, y | - |
| 输入文字 | type | text | interval |
| 快捷键 | hotkey | keys[] | - |
| 按键 | press | key | - |
| 滚动 | scroll | amount | x, y |
| 拖拽 | drag | start_x, start_y, end_x, end_y | duration |
| 等待 | wait | seconds | - |
~/.openclaw/skills/computer-use/
├── SKILL.md # 本文件
└── scripts/
├── screenshot.py # 屏幕截图
├── action.py # 操作执行
└── ui_tree.py # UI 元素树获取
# Linux/Mac
pip install pyautogui mss pillow
# Windows（需要 pyperclip 支持中文输入）
pip install pyautogui mss pillow pygetwindow pyperclip
1. exec: 启动记事本 → start notepad
2. wait: 等待窗口出现
3. ui_tree: 获取记事本窗口元素
4. action: 点击编辑区域
5. action: 输入文字
6. action: Ctrl+S 保存
1. ui_tree: 获取浏览器窗口
2. action: 点击地址栏
3. action: 输入搜索内容
4. action: 按回车
5. screenshot: 截图确认结果
1. screenshot: 先截图看看当前界面
2. image: 分析界面布局
3. 根据分析结果决定操作
4. action: 执行操作
5. screenshot: 确认结果
自研技能，灵感来自 Anthropic Claude Computer Use