awlevin/typesafe-computer-use

它是什么

typesafe-computer-use 是一个 macOS 上的轻量级「计算机使用」Agent 框架。它不依赖昂贵的多模态大模型截图推理，而是用 OCR 读取屏幕文字，再通过 TypeSafe 分类器决定下一步动作（点击、输入、滚动），最后由脚本执行。

核心亮点

• 成本极低：每步约 $0.0002，比主流视觉方案便宜几个数量级
• TypeSafe 分类：把动作空间约束为有限类型，避免模型输出无法执行的指令
• 纯 Python + MIT：代码可读、可改，无黑盒依赖

为什么火

在「AI 操作电脑」赛道普遍烧钱、延迟高的背景下，它用 OCR + 小分类器绕开了视觉大模型，证明简单组合也能跑通闭环。497 星虽不算爆款，但切中了开发者对低成本 Agent 的真实需求。

适合谁用

想低成本试验桌面自动化的独立开发者、研究 Agent 动作空间约束的工程师，以及需要 macOS 本地跑、不想付 API 账单的场景。

快速上手

git clone https://github.com/awlevin/typesafe-computer-use
cd typesafe-computer-use && pip install -r requirements.txt
python run.py

需授予屏幕录制与辅助功能权限。