前端模型规划+小模型执行，桌面 Agent 每步耗时降到 1.2 秒

Frosty-Hunt-7697 · reddit · 2026-10-19

一位开发者分享了自己 Mac 桌面 Agent 提速的核心思路：把「规划」和「点击执行」拆开。

• 问题：前沿模型直接驱动 GUI 时，每次点击都要截图+完整推理，一步要几秒且昂贵，但多数步骤其实很琐碎。
• 做法：Claude Code 作为规划器一次性写出整批步骤（如「点上传、输入文件名、下拉选简历」）；小模型 Jev（TypeSafe 出品）负责每步执行，约 0.6 秒在截图里定位目标；打字、按键、选下拉框等朴素步骤完全跳过模型。
• 优化细节：优先读 macOS 无障碍树，读不到才回退像素识别；每批结束给规划器一份约 20 行的文字版屏幕报告，大幅减少截图需求。
• 护栏：疑似发送/删除/支付的点击需人工批准，用户一碰鼠标立即暂停。
• 成绩与短板：12 个随机按钮的测试页命中 47/48，每次点击约 1.2 秒；但在自绘 UI 的应用（如 GitHub 网页编辑器）里仍会丢按键。

代码已开源，作者也在征集其他 planner/executor 分离方案及无障碍树缺失场景的处理经验。

原文链接 →

「编程与Agent」频道最新

• Vercel 推出免注册部署：拖拽文件到首页即得线上 URL — steren · 2026-10-23
• 5 个 Claude Code 会话经 MCP 互发邮件，组队攻破多品牌网络摄像头 — doodlestein · 2026-10-23
• Vercel 上线 vercel deploy --temporary,可临时部署后自动清理 — cramforce · 2026-10-23
• 用同一个 Notion 工作区让多个 Agent 互相沟通分工，实测有效 — nbaschez · 2026-10-23
• Sierra 伦敦大会被指逊色旧金山场,Agent 落地数据成稀缺话题 — DimlyDimwitted · 2026-10-23
• 开源 C-Sweet 用本地 27B 小模型模拟整家公司运营 — Demonicated · 2026-10-23

更多「编程与Agent」频道 AI 资讯 →