GitHub上今天有个项目，叫cua。
它干的事一句话说清：给AI配一台电脑。不是给个浏览器窗口，是给一台真桌面，macOS、Windows、Linux都行，让agent自己去看屏幕、点按钮、敲命令行。
有个五十秒的demo挺说明问题。两个Cua Driver会话同时开着，一个在LibreOffice Calc里划格子，一个在Inkscape里拖图形，底下终端还亮着。人手没碰鼠标，焦点没被抢走。
它还分了几层东西。Cua Driver是给agent装的手，接CLI、MCP或者SDK都行。Cua Fleets是云上一池子隔离桌面，你的代码从池子里领一台，跑命令、截屏、用完再还回去。还有个CUA-S1，一排小模型，专门干那种很窄的判断——这个值该填哪个格、那个元素要不要碰。它自己管这叫System 1，说白了就是快、范围小、不负责规划。
我注意到它特意写了一句，说System 1只是工程上的比方，不是严格的模型分类。这种话愿意写出来，说明做的人清楚这中间的边界在哪。
想让agent真干活，光会调API是不够的，总得有人去对付那些只有界面的老软件。这条路有人走了。