PcGöz：让 Claude 用文本「看见」Windows 桌面，token 消耗降约 30 倍
emperorbug46 · reddit · 2026-10-29
开发者发布开源 MCP 服务器 PcGöz，让 Claude Code 能操作 Windows 桌面。核心设计是用文本取代截图：通过 UI Automation 树输出带 refN 引用的界面结构，登录表单场景下全屏截图约 1600 token，同样信息文本只要约 40 token。
关键设计要点：
- 文本优先：pcread 返回带 refN 的 UI 树，pctext 返回纯文本，pcfind 查单个元素
- 引用替代像素：点击时重新校验 ref，元素被移动或遮挡时拒绝盲点
- 每个输入工具返回变更结果，Claude 很少需要再截图
- 安全设计：操作期间锁输入、紧急停止快捷键、拒绝密码框和 UAC 弹窗
- 用 Windows OCR 处理 canvas/Qt/游戏，遮挡的 Chromium/Electron 窗口内容过期时给出警告
共 13 个工具，Python 编写，无网络调用。作者已日常使用两个月，主要用于让 Claude 检查它自己开发的桌面应用。
「编程与Agent」频道最新
- Artil Connect 发布：让 AI 智能体互相发消息跨端协作 — HeyAmit_ · 2026-10-30
- Deepgram 现场演示 Context Bus：麦克风、摄像头、多 agent 共享一条总线 — schwentker · 2026-10-30
- Reddit 用户开源 Agent 护栏：不可逆动作前重读事实，误报率从 50% 降到 0% — Professional-Mine681 · 2026-10-30
- 博主用 Claude Skill 一键生成科普解说视频，效果惊艳 — AIandDesign · 2026-10-30
- AgentWeb 让智能体绕开浏览器：47 项真实任务全对，中位耗时 1.9 秒仅花 3 美元 — cneuralnetwork · 2026-10-30
- 用 Claude 做像素风特效：开源代码驱动 VFX 工作流全解析 — HugoDuprez · 2026-10-30