前言¶

目前的 Agent 大多只能调 API：发请求、收 JSON，能力边界清楚。但日常工作里有相当一部分操作发生在 Windows 桌面——点按钮、填表单、切窗口、操作没暴露任何接口的桌面应用。这类任务要么靠脆弱的自动化脚本，要么靠 OCR 加坐标硬猜，成功率和可维护性都不高。

下面介绍的 Skill 是 Desktop Computer Use，它的目标是把「看懂桌面、操作桌面」这一步语义化，让 AI 像人一样理解桌面应用与浏览器界面。

这是什么¶

Desktop Computer Use 是一个社区来源（source: community）的 Agent Skill，分类 ai-agent，坐标 @user_bf9357fd/desktop-computer-use，当前版本 1.0.4，发布者 user_bf9357fd。

一句话定位：Windows 语义化桌面控制——让 AI 像人一样看懂并操作桌面应用与浏览器。根据 Skill 简介，它同时支持原生 GUI 与浏览器 CDP 两种方式，前者覆盖传统桌面应用，后者走 Chrome DevTools Protocol 操作浏览器。

解决的问题很明确：让 Agent 的输入不再是「只有 API 响应」，而是屏幕语义（界面元素、窗口状态），输出也不再是盲点坐标，而是可解释的桌面操作。

核心功能¶

1、语义化的桌面理解。Skill 的定位是让模型「看懂」桌面，而不是在像素层面猜测，操作对象是界面语义而非裸坐标。

2、原生 GUI 支持。面向没有网页接口的传统桌面应用，直接操作窗口与控件。

3、浏览器 CDP 支持。浏览器场景走 CDP 通道，与 GUI 路径形成互补。

4、无需 API Key。Skill 标签为 requires_api_key=false，即不依赖额外的密钥配置。

上述能力以官方简介为准；具体调用哪些底层组件（截图管线、控件树提取方式等），公开页面没有展开说明。

安装与启用¶

截至本文抓取时，官方页面无法访问，安装命令与配置字段未能核实，这里不推测，建议直接到官方地址查看：

https://www.skillhub.cn/skills/user_bf9357fd/desktop-computer-use

https://api.skillhub.cn/user_bf9357fd/desktop-computer-use

可以确认的只有一点：该 Skill 采用通用 SKILL.md 格式，按 SkillHub 的常规流程启用即可，且 requires_api_key=false，不需要额外准备密钥。

页面数据快照：评分 100000，下载 1220 次，安装 0 次（数据随抓取时间变化，安装数为 0 说明目前采用者极少，评估时注意）。

典型用法¶

由于官方页面无法访问，这里无法给出可复现的官方示例，仅说明此类 Skill 的典型任务形态，供对照：

1、桌面应用操作。让 Agent 在 Windows 桌面上打开某个应用，完成点击、输入、选择等动作。

2、浏览器操作。通过 CDP 通道让 Agent 浏览页面、填写表单、抓取内容。

具体的调用方式、截图频率、动作粒度，需要以官方文档为准，本文不作假设。

适用场景与注意¶

适合谁：需要在 Windows 环境下让 Agent 操作桌面应用或浏览器的开发者，尤其是那些没有 API 只有界面的内部工具场景。

注意事项：

1、平台限定 Windows。Skill 简介明确面向 Windows 桌面，macOS、Linux 不在范围内。

2、来源为 community。发布者是社区账号，不是官方团队维护，采用前需要自行审查代码与权限。

3、采用者尚少。安装数为 0，缺少公开的实测反馈，稳定性需要自行验证。

4、能力细节待核实。安装方式、配置字段、示例均未能从公开页面确认，接入前建议先到官方地址确认文档。

结尾¶

Desktop Computer Use 的价值在于把桌面操作语义化：Agent 面对的不再是像素，而是界面元素与窗口状态，原生 GUI 与浏览器 CDP 双通道覆盖了桌面应用和浏览器两类主要场景。考虑到它仍处于早期（安装数 0、社区来源），建议先在小规模任务上验证再决定是否纳入生产流程。

官方地址：https://www.skillhub.cn/skills/user_bf9357fd/desktop-computer-use