开源电脑操作 Agent ywza：按 ID 提取 UI 元素省 token，支持多窗口与 P2P 配对
Important_Earth6615 · reddit · 2026-11-08
开发者发布了开源框架 ywza，让 AI 模型像人一样使用电脑：查看窗口、点击、输入、在终端执行命令，自带模型接口（bring your own model），可用于无 API/MCP 的工具间自动化、跨应用搬运数据，以及测试 Qt 等非 Web 桌面软件。
核心设计：
- 省 token 的 UI 提取：轻量后台 agent 检查打开的窗口，按 ID 把 UI 元素提取成编号列表，而非持续全屏截图，必要时仍可截图。
- 多窗口与虚拟桌面：可同时处理多个窗口，AI 在隔离的虚拟桌面工作，不打断用户。
- P2P 设备配对：设备用 6 位码一次性配对，通过公共中继点对点通信，无需开端口或专用服务器。
- 灵活集成：内置 CLI，可作为 MCP server 接入 Claude Code 等客户端，也支持任何 OpenAI 兼容 API（含本地模型）。演示截图显示其可被 Claude Code 调用去操作记事本。
仓库：github.com/alielmorsy/ywza，作者征求改进建议；远程设备实时查看功能开发中。
所属事件:开源电脑操作 Agent 框架 ywza 发布(3 条相关)→
「编程与Agent」频道最新
- 一句话指令 10 分钟搞定：Amp 编码 agent 替他完成 Cloudflare 部署改动 — HankYeomans · 2026-11-08
- 开发者跑 4 个侦察子 Agent 审代码库,挖出一堆烂账 — weskambale · 2026-11-08
- 用户让 Claude 和 Codex「好好说话」，Codex 收到友好消息后淡定不回应 — wavefnx · 2026-11-08
- mitsuhiko：当 agent 开始写 Rust,2TB 硬盘都被撑爆了 — mitsuhiko · 2026-11-08
- 用 Claude Opus 一天迁移监控栈,日志告警成本降 38 倍 — BenBajarin · 2026-11-08
- 作者用 agent 自动 QA 每个镜头，量化重构短片的构图与打光 — DavidmComfort · 2026-11-08