AutoCua 是什么?跨平台自动电脑操作智能体，支持桌面、浏览器、终端和 iOS。

中文导读

AutoCua 是一个自动电脑操作智能体，让模型直接控制桌面应用、终端、浏览器和 iOS 设备，完成端到端自动化任务。它通过统一的 Python API 切换操作对象，输入走系统原生层，浏览器操作借助 Chrome 扩展，并内置压缩智能体支持长任务。适合需要跨平台自动化或想用自然语言驱动电脑的开发者与用户。

根据 GitHub 公开数据,该项目的编程语言为 Python,开源协议为 MIT,创建于 2026-10-08,最近更新于 2026-10-15,目前有 109 个 Star。

项目介绍

AutoCua 是一个自动电脑操作智能体（Computer Use Agent），通过多智能体引擎驱动 macOS、Windows、Linux、iOS 和浏览器上的端到端自动化工作流。它提供统一的 Python API，只需指定 mode 参数即可切换操作对象：桌面应用、终端、Chrome 浏览器或 iOS 设备。

项目强调在真实软件上的可靠性：模型不依赖像素坐标，而是从融合操作系统无障碍树与 OCR 的视图中选择编号元素；输入通过操作系统原生输入层注入，避免调试端口；浏览器操作通过 Chrome 扩展驱动用户自己的浏览器。此外，独立的压缩智能体在运行中插入交接摘要，以支持长任务。

主要功能

• 支持 computer use、shell use、web use、mobile use (iOS) 多种模式，覆盖桌面、终端、浏览器和移动端
• 桌面操作使用真实鼠标键盘输入，通过操作系统原生输入层注入事件
• 浏览器操作通过 AutoCua Chrome 扩展驱动用户自己的 Chrome，无需调试端口
• iOS 操作支持模拟器或通过 USB 连接的真实 iPhone/iPad
• 内置压缩智能体，在长任务中自动插入交接摘要，避免上下文超限
• 提供桌面应用（Electron 或 pywebview），支持记忆、保险库、聊天和技能管理

适合谁用

适合需要跨平台自动化工作流的开发者、测试人员，以及希望用自然语言驱动电脑完成重复任务的普通用户。

快速上手

1. 安装：pip install AutoCua
2. 在 main.py 中编写调用代码，例如：from AutoCua.agent_launcher import run_agent; run_agent(mode="web use", provider="openrouter", model="gemini-3.8-flash", task="Open wikipedia.org and summarise today's featured article.")
3. 运行：python main.py
4. Linux 用户需先安装发行版依赖包（参考 README 中 Linux, from pip 部分）

Star 增长趋势

同类项目