Computer Use / GUI Agent

状态：🚧 占位待补齐
一句话定义：让 Agent 通过截图理解界面并执行点击/输入等动作，操作浏览器或桌面。

大纲（待补齐）

  1. 感知-规划-动作环
  2. 动作空间与座标/元素定位
  3. 沙箱、权限、人在环上
  4. 评测：OSWorld / WebArena 等

已有相关文档（先读这些）

学习要点（补齐后应能回答）

  • 与 API 工具调用相比，GUI Agent 的可靠性差在哪？
  • 生产可用的最小安全控件有哪些？

参考资料（待补充）

-