AI 编程模式
Vibe Coding 氛围编程
Vibe Coding 是由计算机科学家 Andrej Karpathy 在 2025 年 2 月提出的概念。它描述了一种全新的编程方式：通过自然语言和 AI 对话，让 AI 帮你写代码，你只需要描述需求、测试结果、指导方向。
你不需要精通编程语法，只需要能清楚表达你的想法，AI 负责把你的想法变成可运行的代码。
所以说，Vibe Coding 的重点不是写代码，而是明确需求并清晰表达。你描述得越清楚，AI 给你的结果就越靠谱。
这就像点外卖一样，你告诉外卖平台你想吃什么，餐厅帮你做好送到手上。你不需要会做饭，但要知道自己想吃什么。
Agentic Engineering 智能体工程
Agentic Engineering（智能体工程）是 2026 年 2 月由 Andrej Karpathy（也就是提出 Vibe Coding 的那位大佬）提出的新概念，可以理解为 Vibe Coding 的规范版。
Vibe Coding 就是跟着感觉写代码：你给 AI 一句话，AI 吐出代码，能跑就行，跑不了就把报错粘回去让 AI 再改。做个小工具贼拉快，但项目一大就容易翻车。
而 Agentic Engineering 的思路是：你先想清楚要干嘛、写好方案、拆好任务，再把活交给 AI 去执行，它干完了你还得验收，质量不行再打回去重做。
打个比方，Vibe Coding 的时候你是个 DJ，放什么歌全凭感觉；Agentic Engineering 里你是包工头，流程、质量、验收都得你说了算。一个跟着感觉走，一个按流程来。
当然，不是说 Vibe Coding 已经过时了。Vibe Coding 负责让你看到可能性，Agentic Engineering 负责把可能性变成真正能用的东西。二者适用于不同的场景，做小工具时可以用 Vibe Coding，做企业级项目就需要 Agentic Engineering 的思维。
Agentic Coding 智能体编程
Agentic Coding 智能体编程是指让 AI 像一个自主的 “智能体”（Agent）一样工作，能够自己规划任务、执行操作、验证结果，而不只是被动地回答问题。
它和前面提到的 Agentic Engineering 的区别在于，Agentic Coding 强调的是 AI 的自主执行能力（AI 能干什么），而 Agentic Engineering 强调的是人对 AI 的管理方法论（人该怎么管）。
如今，几乎所有主流 AI 编程工具都提供了智能体编程的能力。比如在 Cursor 的 Agent 模式中，AI 可以：
- 自动读取和分析多个文件
- 规划实现方案
- 执行代码修改
- 运行测试验证
- 自动修复问题
这比传统的问答式 AI 更强大，因为它能自主完成复杂的多步骤任务。可以说，AI 不再只是辅助编程的配角，而是正在成为项目开发的核心驱动力。
Harness Engineering 驾驭工程
Harness Engineering（驾驭工程）是 2026 年兴起的 AI 工程新范式，核心理念是 人类掌舵 + 智能体执行。它不是去优化 AI 模型本身，而是围绕 AI 智能体搭建一整套约束机制、反馈循环和工作流管理系统，让原本不可预测的 AI 在高可靠性环境下跑得稳、跑得快。
Harness 这个词本意是 “马具”，就像缰绳和马鞍用来引导强大但难以预测的马匹一样，Harness Engineering 就是围绕 AI 编程智能体搭建的整套 “运行环境”，确保 AI 能按照你的预期工作。
为什么这个概念越来越重要呢？
因为在 AI 编程时代，模型本身已经是通用商品，真正的竞争力在于你围绕模型搭建的工程体系。同一个大模型，在不同的 Harness 环境下，代码质量可能天差地别。程序员的角色正在从 “自己写代码” 转变为 “设计让 AI 可靠写代码的系统”。
从发展路径来看，Harness Engineering 是在提示词工程和上下文工程基础上的进一步演进。提示词工程关注「怎么给 AI 下指令」，上下文工程关注「怎么给 AI 提供信息」，而 Harness Engineering 关注的是「怎么让 AI 持续靠谱地干完一整件事」，三者是层层包含的关系。
Harness 的核心模块包括：
- 上下文架构（让 AI 了解项目背景和规矩）
- 执行能力（给 AI 装上工具和 MCP）
- 任务编排（Plan Mode、SubAgents 并行执行等）
- 反馈机制（Linter、自动化测试、Browser Use）
- 架构护栏（防止代码越改越乱）
Loop Engineering 循环工程
Loop Engineering（循环工程）是 2026 年中期兴起的 AI 编程新范式，核心理念是 设计自动循环系统，让 AI 自主执行、自主验证、自主修复，直到达成目标。
以前的 AI 编程模式就像开手动挡的车，每一步都靠你自己操作。Loop Engineering 更像自动驾驶，你提前设定好目的地和安全规则，AI 自己执行、自己检查、自己修复，直到任务完成。
一个靠谱的 Loop 需要 3 样核心的东西：
- 明确的目标和停止条件：比如「所有测试通过」就是好的停止条件
- 反馈闭环：每轮循环结束后自动检查结果，判断是继续还是停止
- 状态记忆：用外部文件（如 PROGRESS.md）记录进度，断了重启不会从零开始
从发展路径来看，Loop Engineering 是在提示词工程、上下文工程和 Harness Engineering 基础上的进一步演进。前面几步让 AI 能在靠谱的环境里干活，Loop 则在这些基础上多加了一层「自动循环 + 反馈闭环」的机制，让你从「一句一句手动提示 AI」的操作者变成「设计循环规则」的管理者。
多智能体协作
多智能体协作（Multi-Agent）是指多个 AI 智能体分工合作，共同完成复杂任务。
比如，一个智能体负责设计架构，一个负责写前端代码，一个负责写后端代码，一个负责代码审查。它们像一个软件开发团队一样协作。
这两年，多智能体系统正在成为 AI 编程的重要趋势。它的优势不仅仅是能处理更复杂的项目，还能通过并行工作大幅提升效率，让原本需要几小时的任务在几分钟内完成。
智能体编排
编排（Orchestration）是指协调和管理多个 AI 智能体或 AI 任务的过程，确保它们按正确的顺序和方式工作。
如果说多智能体协作关注的是 “有哪些角色参与”，那编排关注的是 “谁先干、谁后干、结果怎么汇总”，它是多智能体系统的指挥中枢。
就像乐队指挥一样，编排器决定哪个智能体在什么时候做什么事情、如何传递信息、如何汇总结果。
Subagents 子代理
Subagents（子代理）是指主 AI 智能体将部分任务分派给独立的子智能体来并行处理的机制。
你可以把它理解成 AI 的下属，就像一个经理把活分给手下的几个员工同时干一样。当主 AI 遇到一个大任务时，它可以把独立的小任务分给几个子代理同时干，自己继续处理其他工作。
Subagents 的好处是：
- 并行处理多个独立任务，效率翻倍
- 主代理的上下文保持干净，不会被子任务的细节污染
- 每个子代理可以专注于自己的任务，结果更准确
比如你可以让几个子代理同时审查代码库的不同模块，速度会快很多。
在 Claude Code 中，AI 会通过内置的 Task 工具自动生成子代理来处理子任务，你不需要做额外配置。你也可以在 .claude/agents/ 目录下创建自定义的子代理（用 Markdown 文件定义），给它指定专属的角色描述、工具权限和行为规则。
不过子代理也有局限，每个子代理的上下文是独立的，它们之间无法直接共享信息，所以不适合有强依赖关系的任务。另外，多个子代理同时运行会消耗更多 Token，成本会相应增加。就像公司招人一样，多招几个人确实能干得更快，但工资支出也得跟着涨，而且人多了沟通协调的成本也会上来。
Agent Teams 智能体团队
Agent Teams（智能体团队）是 2026 年兴起的多智能体编程新模式，由 Claude Code 率先推出。它让 3 ~ 5 个独立的 AI 智能体组成团队，在同一个项目上并行工作。
和传统的单 AI 对话不同，Agent Teams 中有一个 Team Lead（队长）负责拆解任务和协调工作，其他 Teammates（队员）各自领取任务独立执行，还能通过消息系统互相沟通。
打个比方，以前用 AI 编程就像你一个人带一个实习生干活，现在 Agent Teams 相当于你直接管了一个小团队，前端、后端、测试同时干，效率翻了好几倍。Anthropic 的工程团队曾用 16 个 Agent 同时工作，产出了 10 万行 Rust 代码！把原本需要数天的工作压缩到了几小时。
当然，代价就是花费的 Tokens 可能会更多，不是什么时候都建议使用 Agent Teams。
在实际操作中，Agent Teams 的多个智能体通常需要物理隔离来避免代码冲突。目前最主流的做法是利用 Git WorkTree 给每个智能体分配独立的工作目录，各自在独立的分支上开发。
Cursor 已经内置了这种能力，通过 Parallel Agents 模式自动创建和管理 WorkTree，让多个 AI 并行工作后一键合并代码。
Hermes Agent
Hermes Agent 是 Nous Research 在 2026 年 2 月开源的自改进 AI 智能体，最大的特点是它能从自己完成的任务中学习，越用越聪明。
一般的 AI 智能体每次对话都是从零开始，不会从过去的经验中学习。而 Hermes Agent 内置了一套闭环学习机制：
- 完成任务后，自动把解决方案提炼成可复用的 Skill Document（技能文档）
- 下次遇到类似任务时，先检索已有的技能文档
- 根据新的实践不断优化已有技能
官方数据显示，使用已积累技能的 Hermes Agent 完成类似任务的速度比全新实例快 40%。
Hermes Agent 采用三层记忆系统：会话记忆（当前对话上下文）、技能文档（从任务中提炼的可复用知识）、以及用户画像（持久化的用户偏好和习惯）。它支持 Telegram、Slack、Discord、微信等多个平台接入，兼容 200 多种 AI 模型，完全免费开源。
Background Agent
后台 Agent（Background Agent）是让 AI 在后台自主运行、完成任务后再通知你结果的能力。
传统的 AI 编程需要你盯着屏幕等 AI 一步步做完，电脑还不能关。而后台 Agent 允许你把任务交给 AI 后，就去做别的事情，AI 会在云端独立完成工作，你甚至可以关掉电脑！
比如让 AI 在后台修复一批 Bug、跑一轮代码审查、或者完成一个完整的功能模块，做完了会通知你来验收。
目前 Claude Code、Cursor 等工具都已经支持后台 Agent 能力。以后 AI 编程可能就像发微信一样，你在手机上把需求发过去，该干嘛干嘛，等 AI 做完了来找你验收就行。
Agent Loop 智能体循环
Agent Loop（智能体循环）是 AI 智能体的核心工作机制，简单来说就是 AI 通过不断重复 “感知-思考-行动-观察” 的循环来一步步完成任务。
一个典型的 Agent Loop 包括：
- 感知：获取当前环境信息（读取文件、查看错误等）
- 思考：分析情况，决定下一步行动
- 行动：执行具体操作（写代码、运行命令等）
- 观察：检查行动的结果
- 循环：根据结果决定是否继续
这个循环会一直进行，直到任务完成或达到终止条件。
理解 Agent Loop 能帮你更好地规划任务和管理 AI 的工作过程。需要特别注意的是，AI 编程时 Agent Loop 的循环次数不要太多，很多工具都有最大循环次数限制，循环太多不仅效果不好，还会疯狂烧 Token！有朋友一觉醒来发现额度用光了，就是因为让 AI 陷入了无限循环……
Claude Code 的源码就是 Agent Loop 最好的工程实现案例。它的核心对话循环其实就是一个朴素的 while(true) 无限循环：每一轮迭代里，先做上下文压缩、再调用大模型拿到响应，如果模型说 “我要用某个工具” 就去执行，把结果追加到对话历史里，然后进入下一轮。
Ralph Wiggum Loop
Ralph Wiggum Loop 是 2026 年比较流行的一种 AI 编程模式，名字来源于《辛普森一家》中那个执着不放弃的角色 Ralph Wiggum。
这个模式目前已有多个开源实现，比如 wiggumdev/ralph。它的核心思路很简单：把 AI 放在循环中反复执行，直到需求文档中的所有检查项全部完成。
工作流程大概是这样的：
- 先写一份 PRD（产品需求文档），把要做的功能拆解成一个个清晰的检查项
- 让 AI 智能体开始执行，每次从检查清单中取出未完成的任务
- AI 完成一个任务后，通过 Git 提交代码并记录进度
- 以全新的上下文开始新一轮迭代，继续处理剩余任务
- 不断循环，直到所有检查项完成
这种模式的巧妙之处在于，每轮循环都以干净的上下文开始（通过 Git 和文件来持久化进度），避免了长对话中 AI 容易 “断片儿” 的问题。而且可以无人值守地运行，你写好 PRD 就可以去睡觉了，第二天起来检查成果就行。
不过要注意设置好循环次数限制和 Token 预算，防止 AI 陷入无限循环疯狂烧钱。
ReAct 推理与行动
ReAct（Reasoning and Acting）是一种让 AI 智能体交替进行推理和行动的技术范式。它的核心思想很简单：让 AI 先想清楚再动手，动完手再看看效果，然后继续想下一步怎么做。
传统的 AI 要么只思考不行动，要么只行动不思考。而 ReAct 让 AI 能够：
- 先推理：思考当前情况，制定计划
- 再行动：执行具体操作
- 观察结果：看看行动效果如何
- 继续推理：根据结果调整策略
这种 “思考 - 行动 - 观察” 的循环让 AI 能更可靠地完成复杂任务，是现代 AI 编程工具的核心技术之一。
深度思考
深度思考（Deep Thinking）是让 AI 在回答之前先进行一段内部推理的能力，也叫 “扩展思考” 或 “思考模式”。
它和前面提到的思维链提示（CoT）有什么区别呢？
思维链提示是一种提示词技巧，通过提示词引导 AI 展示推理过程；而深度思考是模型内置的能力，AI 会在内部自动进行深度推理，不需要你在提示词中特别要求。
普通模式下，AI 收到问题后会直接生成回答。而开启深度思考后，AI 会先在内部进行一系列推理步骤，比如分析问题、考虑多种方案、评估利弊，然后才输出最终答案。你有时能在 AI 的回复中看到一个 “思考中...” 的过程，那就是深度思考在工作。
深度思考特别适合复杂的编程任务，比如设计系统架构、排查难以定位的 Bug、优化算法等。代价是速度更慢、Token 消耗更多。
目前主流 AI 模型和 AI 编程工具都支持深度思考，并且你可以选择是否开启思考模式。
自适应思考
自适应思考（Adaptive Thinking）是深度思考的智能化版本，让 AI 自动判断当前问题需要多深的思考程度。
以前深度推理模式只能手动开关，开了的话简单问题也慢吞吞地想半天、还浪费钱，关了的话复杂问题又容易出错。
AI 有了自适应思考能力后，可以做到简单问题秒回，复杂问题会自动进入深度思考模式。这样既保证了质量，又节省了时间和成本。
Anthropic 在 Claude Opus 4.6 中率先引入了自适应思考能力，并在 Opus 4.8 中进一步优化。开发者可以设置不同的思考力度级别来平衡质量和成本。
工具调用
工具调用（Tool Use / Function Calling）是让 AI 能够使用外部工具和功能的技术。
AI 本身只能生成文字，但通过工具调用，它可以读写文件、搜索网页、执行命令和脚本、调用 API、操作数据库等等。
工具调用的工作流程分为 4 步：
- 识别需求：AI 判断当前任务需要使用工具
- 选择工具：从可用工具中选择合适的
- 执行调用：用正确的参数调用工具
- 整合结果：将工具返回的结果融入回答，继续完成任务
举个例子，用户想要获取 编程导航网站 的热门文章，下面这张图清晰地展示了工具调用的完整流程：
需要注意的是，AI 模型本身并不直接执行工具，而是生成 “我想调用这个工具，参数是这些” 的指令，由外部系统执行后把结果返回给 AI。
有了工具调用，AI 就从 “只会说” 变成了 “能动手”。如果没有工具调用，AI 只能告诉你该怎么改代码，你还得自己去复制粘贴；而有了工具调用，AI 可以直接帮你读取文件、修改代码、运行命令，一条龙搞定。比如 Cursor 的 Agent 模式就是通过工具调用来实现自主编程的。
MCP 模型上下文协议
MCP（Model Context Protocol）是 Anthropic 在 2024 年底推出的开放标准，用于让 AI 模型安全地连接外部数据源和工具。
你可以把 MCP 理解成 AI 世界的 “USB 接口”。就像 USB 接口让各种设备（键盘、鼠标、U 盘）都能用同一种方式连接电脑一样，MCP 让各种外部工具（文件管理、数据库、搜索引擎等）都能用同一种方式连接 AI，不用为每个工具单独写一套对接代码。
MCP 的核心价值在于 标准化。开发者不需要为每个 AI 工具单独开发连接器，只需要按照 MCP 标准开发一次，就能被所有支持 MCP 的 AI 工具使用。目前 Claude Code、Cursor、Windsurf 等主流 AI 编程工具，以及各种网页 AI Agent 应用都已经支持 MCP 协议。
在 Vibe Coding 中，MCP 让 AI 能够连接更多外部工具和数据源，大大扩展了 AI 的能力边界。比如通过 Figma MCP，AI 可以直接读取设计稿并生成对应的网页代码；通过 GitHub MCP，AI 可以直接操作代码仓库、创建 PR；通过数据库 MCP，AI 可以查询和分析业务数据。
💡 想要发现更多好用的 MCP 服务？可以访问 鱼皮 AI 导航 - MCP 大全，持续更新优质 MCP，帮你重塑 AI 工作流。
Agent Skills 智能体技能
Agent Skills（智能体技能）是 Anthropic 在 2025 年 10 月推出的 一套开放标准，目的是让 AI 能够学习使用各种专业技能，快速扩展特定领域的专业能力。
简单来说，Agent Skills 就是给 AI 准备的 技能包。技能包里有精心设计的提示词、代码脚本、还有各种资源文件。
把 AI 想象成一个职场小白，给他装上 文档处理技能，它就立刻知道怎么生成 PPT、处理 Excel 表格；装上 代码规范技能，它就知道怎么按照公司标准写代码。
Skill 的本质是一个包含 SKILL.md 文件的文件夹，里面可以放置指令说明、脚本代码、参考资料等。当 AI 遇到相关任务时，会自动加载对应的 Skill 来增强自己的能力。
Skills 的核心设计是 渐进式披露，AI 只在需要时才加载相关内容，不会一次性把所有信息都塞进上下文，既节省 Token 又保持灵活性。
💡 想要发现更多好用的 Agent Skills？可以访问 鱼皮 AI 导航 - Skills 大全，持续更新优质技能，让 AI 帮你干更多活。
Hooks 钩子
Hooks（钩子）是 AI 编程工具中的一种自动化触发器。当 AI 完成某个动作（比如生成代码、提交代码、运行命令）时，Hook 会自动执行你预设的脚本或检查流程。
各种主流 AI 编程工具都支持 Hooks，比如在 Claude Code 中，Hooks 可以用来：
- 代码生成后自动运行格式化工具
- 文件修改后自动执行测试
- 权限请求时自动判断是否安全并批准
- 提交代码前自动检查代码规范
Hooks 让你的 AI 工作流更加自动化，减少手动操作。但是要注意，Hooks 配置不当可能会阻塞 AI 的正常工作流程，建议先在小范围测试，确认没问题再推广到整个项目。
斜杠命令
斜杠命令（Slash Commands）是在 AI 编程工具的对话框中输入 / 触发的快捷指令，可以快速执行常用操作。
你可以把斜杠命令理解成操作 AI 的快捷键。Cursor、Claude Code 等主流 AI 编程工具都支持斜杠命令，比如 Claude Code 内置了这些常用的斜杠命令：
/help：查看可用命令/compact：压缩当前对话的上下文/config：修改配置/skills：查看已安装的技能
你可以自定义斜杠命令，把常用的工作流封装起来复用。比如创建一个 /commit-push-pr 命令，一次性完成代码提交、推送和创建 PR；或者搞个 /techdebt 命令，每次会话结束跑一下清理重复代码。
自定义命令的本质其实就是一个 Markdown 文件，在 Cursor 中，只需要在项目的 .cursor/commands/ 目录下创建 .md 文件，里面写上你想要 AI 执行的指令，这个文件名就会变成一个斜杠命令。还可以用 Git 版本控制工具来管理自定义命令的文件，跨项目复用。
A2A（Agent-to-Agent）
A2A（Agent-to-Agent）是指 AI 智能体之间相互通信和协作的协议或方式，是多智能体系统的基础技术。
就像人和人之间需要语言来沟通，AI 智能体之间也需要标准化的方式来交换信息、分配任务、汇报结果。
A2A 协议让不同的 AI 智能体能够组成团队，分工合作完成复杂任务。这个协议由 Google 在 2025 年推出，目前已有超过 150 家企业加入支持。
不要把 A2A 和 MCP 搞混！二者是互补关系，MCP 解决的是 AI 连接工具的问题，A2A 解决的是 AI 之间沟通协作的问题。
ACP 协议
ACP 这个缩写在 AI 领域其实有两个含义，容易搞混，这里一起说清楚。
第一个是 Agent Communication Protocol 智能体通信协议，由 IBM 研究院推出。它让不同框架、不同公司开发的 AI 智能体能够无缝协作，就像不同品牌的手机都能互相打电话一样。
它基于轻量级的 HTTP REST 接口设计，支持文本、代码、文件、图片等多种内容格式，不挑编程语言，上手很简单。
需要注意的是，ACP 和前面提到的 A2A 是两个独立的协议。它们都在解决智能体跨框架交流的问题，但具体的通信格式和能力发现机制还是两套不同的体系。这些协议主要面向做 AI 应用开发的程序员，帮助他们构建多个智能体协作的系统。
第二个是 Agent Client Protocol 智能体客户端协议，由 JetBrains 和 Zed 联合推出，解决的是完全不同的问题 —— 让任何 AI 编程智能体都能在任何 IDE 中运行。
你可以把它理解成 AI 编程工具的 “万能适配器”。以前每个 AI 编程智能体插件都要为 IDEA 写一套代码、为 VS Code 写一套代码。现在有了 ACP 协议，Claude Code 只需要实现 ACP 接口，IDEA 就能直接把它接入进来，你在 IDEA 里也能爽用 Claude Code、在 Zed 编辑器里也能用 Gemini CLI，不再被某个 IDE 绑死。
此外，JetBrains 还上线了 ACP Agent Registry，一键就能安装各种 AI 编程智能体，越来越方便了~
BMAD 敏捷 AI 开发方法
BMAD-METHOD（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驱动开发方法）是一套系统化的 AI 智能体开发框架，目标是将原本混乱的 AI 编程过程变得结构化、可复用。
BMAD 使用 角色化智能体 的方式组织开发流程，每个智能体扮演特定角色：
- Analyst Agent 分析师：创建项目简报，包含市场分析和用户画像
- PM Agent 产品经理：将简报转化为详细的产品需求文档（PRD）
- Architect Agent 架构师：设计技术实现方案和系统架构
BMAD 中的智能体分为两种类型：
- Simple Agents 简单智能体：单文件、自包含，适合代码审查、文档生成等聚焦任务
- Expert Agents 专家智能体：具有跨会话持久记忆，配有专属文件夹存放资源，适合复杂的多步骤工作流
每个智能体都有标准化的组成部分，包括人设（角色、身份、沟通风格、原则）、能力列表、交互菜单，以及可选的关键行动。
BMAD 在 GitHub 上获得了几万+ Star，说明这种结构化的 AI 开发方法正在被越来越多的开发者认可。
Browser Use 浏览器使用
Browser Use（浏览器使用）是让 AI 智能体能够自主操控网页浏览器的技术能力。通过 Browser Use，AI 可以像人类一样浏览网页、点击按钮、填写表单、提取数据。
Browser Use 的典型应用场景：
- 自动化研究：让 AI 在多个网站上搜索、整理信息
- 数据采集：从网页中提取结构化数据
- 表单填写：自动完成繁琐的在线表单
- 跨平台操作：在不同网站间完成多步骤任务
比较知名的开源项目是 Browser-Use，支持通过 Python 调用多种大模型来控制浏览器。此外，Cursor、Claude Code 等主流 AI 编程工具也内置了 Browser Use 能力，可以在开发过程中自动打开浏览器预览效果、执行测试等操作。
Browser Use 的一个关键优势是，AI 可以利用你现有的浏览器会话和登录状态，无需为每个网站单独开发 API 集成。也就是说，AI 能够访问那些没有公开 API 的网站，大大扩展了自动化的应用范围。
Computer Use 计算机使用
Computer Use（计算机使用）是 Anthropic 公司在 2024 年推出的 AI 能力，让 Claude 大模型能够像人类一样操作整个计算机桌面。
和 Browser Use 只能操作浏览器不同，Computer Use 可以操作任何桌面应用程序，比如：
- 查看屏幕截图，理解界面元素
- 移动鼠标光标，点击按钮
- 使用键盘输入文字
- 执行命令行操作
Computer Use 的工作原理是一个持续的反馈循环：
- 截图分析：AI 捕获并分析当前屏幕
- 决策规划：根据任务目标确定下一步操作
- 执行操作：发送鼠标/键盘输入
- 观察结果：检查操作效果，调整策略
💡 为了安全起见，Computer Use 一般需要在虚拟机或容器中运行，不会直接控制你的真实电脑。
Computer Use 代表了 AI 从 “只能生成文字” 到 “能够操作软件” 的重大跨越，彻底改变人机交互方式。
基于 Computer Use 技术，Anthropic 在 2026 年推出了 Claude Cowork，这是一个桌面端 AI 助手，可以直接访问你电脑上的文件和文件夹，帮你整理下载目录、从截图中提取数据到表格、准备品牌报告等日常办公任务。
