已过期65% 置信事实精确时间
GUI Agent（能理解屏幕截图并生成鼠标键盘操作指令）是Anthropic Claude、OpenAI Operator等产品竞相布局的核心能力
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/20
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/18(已过期)
来源
相关事实
待验证主流桌面级Agent（如Anthropic的Computer Use、OpenAI的Operator以及WorkBuddy）大多采用通过截图识别屏幕内容并模拟键鼠操作的路线76% 相似待验证GUI Agent不依赖接口，通过让模型直接看屏幕截图识别界面元素并规划操作步骤，泛化性强但对多模态理解能力要求高且操作速度相对较慢74% 相似待验证基于视觉语言模型的新一代GUI Agent理论上能像人类一样看懂任意界面并根据语义目标决定操作，具备更强鲁棒性和跨应用泛化能力74% 相似待验证计算机使用（GUI Agent）能力的底层原理是让模型通过截图理解屏幕状态并输出鼠标点击、键盘输入等操作指令，形成感知-决策-执行闭环74% 相似待验证Hermes Agent的功能定位与Open Cloud类似，都属于能操控计算机、执行真实任务的GUI自动化Agent72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/568255API
curl https://kongchang.com/api/v1/knowledge/claims/568255MCP
get_claim(id=568255)