让 AI 接管 Windows 和 MacOS，这个 GitHub 开源项目牛啊。

这个叫 TuriX-CUA 的开源项目也是一个让 AI 替你玩电脑的 AI 智能体。

它也是给 AI 装上眼睛和手，让它像人一样看着屏幕，动鼠标、敲键盘，帮你把活儿干了。

前两天，TuriX-CUA 刚更新了一波大的，引入了多模型架构，在测试集通过率超过了 80%，确实有点东西。

arduino 复制代码

开源地址：https://github.com/TurixAI/TuriX-CUA

01、开源项目简介

TuriX-CUA（Computer Use Agent）是一个基于 Python 的开源 Agent。它的核心逻辑非常暴力美学：

看（See）：每隔几秒截一张你屏幕的图。

想（Think）：把截图扔给多模态大模型，问它："老铁，用户让我订机票，现在屏幕上这情况，我下一步该点哪？"

动（Act）：模型返回坐标，TuriX 控制你的鼠标移过去点击，或者在输入框里打字。

听起来是不是像个宏？不，宏是死的，它是活的。遇到弹窗它知道关，遇到网页加载慢它知道等，这就很灵性。

而且在成功率和速度方面比其它开源 Agent 要好：

02、为什么它值得关注？

跨平台支持

最开始这项目是专门搞MacOS的，但到了2025年下半年，它已经支持 Windows 了。

这对于咱们大多数用 PC 打工的人来说太重要了。只要切换到 Windows 分支，就能在 Windows 上跑。下面举例视频请参考原文：mp.weixin.qq.com/s/BBXv5K7GW...

MacOS 端支持

预订机票、酒店和 Uber。

搜索 iPhone 价格，创建 Pages 文档，并发送给联系人，把 Discord 中老板发送的数字文件中生成柱状图，并插入到我的 PowerPoint 的合适位置，然后回复老板。

Windows 端支持

在 YouTube 搜索视频内容并点赞

支持 MCP 协议

支持 MCP 意味着你可以把 TuriX 当成一个工具人挂载到 Claude for Desktop 或者 Cursor 上。

你可以直接对 Claude 说："帮我查一下最近的 AI 新闻，然后写个文档发给老张。"

Claude 通过 MCP 指挥 TuriX 去浏览器搜索、去 Word 里打字、去微信里发消息。这简直就是左右互搏术，效率翻倍：

除此之外，它还支持多模型架构（Multi-Agent），Planner（规划师）负责把大任务拆解成步骤。

Executor（执行者）负责具体的点击和输入。这种脑手分离的设计，大大降低了模型发癫乱点的概率。

03、如何使用

虽然 GitHub 上有文档，但有些坑还得我替你们踩。这里以 Mac 为例，Windows 逻辑差不多。

第一步：环境准备

首先，你得有 Python 环境。强烈建议用 Conda，不然依赖包能把你搞疯。

bash 复制代码

conda create -n turix_env python=3.12conda activate turix_envgit clone https://github.com/TurixAI/TuriX-CUA.gitcd TuriX-CUApip install -r requirements.txt

第二步：搞定模型

在 examples/config.json 里配置模型。官方默认推荐用它们自家的 API（Turix API），注册送点额度。

既然是开源，咱们其实可以换成自己的模型。如果你有 OpenAI 兼容的接口，或者本地跑了个 Qwen3-VL，改改 main.py 里的 build_llm 函数就能用。

注意：现在的 Qwen3-VL 在处理 UI 界面上的能力非常强，识别小图标贼准，强烈推荐试试。

第三步：权限地狱

因为 TuriX 要控制鼠标键盘，还要录屏，Mac 的安全机制会疯狂报警。

去系统设置 -> 隐私与安全性 -> 辅助功能，把你的终端和 IDE都勾上。如果你要操作 Safari，记得在 Safari 的开发菜单里勾上允许远程自动化。

第一次运行时，系统可能会弹窗问你是否允许控制电脑，一定要点允许，不然鼠标只会原地抽搐。

第四步：开跑

配置好任务，比如在 config.json 里写上：

json 复制代码

{  "agent": {    "task": "打开Safari，搜索一下iPhone 17 Pro现在的价格，然后打开备忘录记下来"  }}

然后运行：

bash 复制代码

python examples/main.py

这时候，你双手离开键盘，就会看到鼠标自己动了起来，像幽灵一样打开浏览器，输入文字，真有点赛博朋克的感觉。