Computer-Use 2.0：多 Agent 并行操控桌面
AI Engineer · youtube · 2026-07-16
这场分享讲的是 **Computer-Use 2.0**：让多个 agent 在同一台桌面上并行操作，而不会抢占用户鼠标键盘焦点。 核心思路是把自动化层从“硬件鼠标/键盘事件”下沉到更底层的系统可访问性接口：Windows 的 UI Automation、Linux 的 AT-SPI、macOS 的 AX。这样点击和输入可以直接发给后台窗口，不必让目标应用置顶，因此多个 agent 能同时工作，用户也能继续正常输入。 演讲还会覆盖： - 整体架构与 API 形态 - 跨 Windows / macOS / Linux 的平台坑位 - 仍然存在的限制：Wayland、Chromium DOM surface、原生 canvas 应用、fallback 输入路径 - 现场演示：三个 agent 在一台桌面上同时操作，用户输入不中断