本章小结

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。

• 反脆弱性：基于视觉的识别（“点击那个蓝色的登录按钮”）比基于代码的选择器（#login-btn-v2）更具适应性。

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 (命令行), editor (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