> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/claude_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/claude_guide/di-er-bu-fen-gong-ju-pian/05_computer_use/summary.md).

# 本章小结：从 Chatbot 到 Agent

Computer Use 是 AI 发展史上的一个分水岭。它标志着大模型不再满足于仅仅做一个“聊天机器人”，而是开始长出手脚，尝试成为现实世界的“操作者 (Agent)”。

## 核心知识点回顾

### 范式转移

* **API-First vs GUI-First**：API 是给机器看的，GUI 是给人看的。Computer Use 打破了这堵墙，让 AI 能像人一样通过 GUI 工作，解决了 99% 的软件没有 API 的集成难题。
* **视觉弹性**：基于视觉的识别（“点击那个蓝色的登录按钮”）比固定选择器（`#login-btn-v2`）更能适应轻微 UI 变化，但仍需要截图校验、重试、日志和人工确认。

### 工作原理

* 这是一个 **OODA 循环**：观察(截图) -> 判断(视觉模型) -> 决策(ReAct) -> 行动(鼠标/键盘)。
* **三大工具**：`computer`（操作键鼠）、`bash_20250124`（命令行）和 `text_editor_20250728` / `str_replace_based_edit_tool`（文本编辑）构成了 Claude 的工具腰带。

### 安全至上

* Computer Use 极其强大，也极其危险。
* **Docker 隔离** 是底线，绝对不可裸奔运行。
* **HITL (人机回环)** 是关键操作的保险丝。

### 最佳实践

* **混合架构**：不要为了用而用。能用 SQL 查库就别让 AI 去点数据库管理软件的 GUI。API + Computer Use = 最佳 ROI。
* **提示工程**：在此模式下，Prompt 需要包含屏幕分辨率、视觉特征描述（Visual Grounding）等新要素。

## 开发者自检清单

* [ ] **沙箱环境**：我是否在 Docker 中运行 Demo，而不是在我的个人 MacBook 主机上？
* [ ] **权限控制**：我是否限制了容器的网络访问，防止数据外泄？
* [ ] **成本意识**：我是否意识到每一步操作都伴随着高额的截图 Token 消耗？
* [ ] **容错设计**：我的代码里是否包含了 `try-retry` 逻辑，以应对 UI 加载慢或点击失效的情况？

## 下一站：职场进阶

掌握了 Computer Use，Claude 已经像一个刚入职的实习生，能看懂屏幕，也会点鼠标了。 但要让它胜任高级岗位，还需要教它一些特定领域的“专业技能”，比如怎么写高质量的 Python 代码，或者怎么撰写符合 SEO 规范的文章。

下一章，将为 Claude 装备 **Skills**。

➡️ [第六章：Skills 技能系统](/claude_guide/di-san-bu-fen-jin-jie-pian/06_skills.md)

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/claude_guide/issues) 或 [PR](https://github.com/yeasy/claude_guide/pulls)。