大部分软件世界的自动化，止步于「有没有 API」。企业的老系统、祖传的后台、封得严严实实的网页——没有接口，RPA 就得靠写死的坐标脚本，页面一改就断。Computer Use 类智能体换了一条路：让模型像人一样看屏幕、移动光标、点击输入。界面本身就是接口。

一、为什么这条路线成立

多模态模型看懂截图的能力过了实用线，是这条路线成立的前提。加上结构化的动作空间（点击、输入、滚动、快捷键），智能体可以操作任何一个给人设计的界面。这意味着自动化的覆盖面从「有 API 的少数」扩大到「有 UI 的一切」。它不是比 RPA 更聪明的脚本，而是把自动化的前提从「对方配合」变成了「界面存在」。

二、能做什么，做得怎么样

现实的甜点区很清楚：跨多个系统搬运数据、重复的表单操作、网页信息的采集与核对——步骤明确、结果可验证的任务。这类场景里它像一个不抱怨的临时工，跑通一次就能稳定复用。

但可靠性账要算清楚：一次点击的坐标偏差、一个弹窗、一次加载延迟，都可能让任务从中间断掉。行业里常见的做法是用「检查点 + 可回放」兜底——每个关键步骤留下断言，失败后从断点重试，而不是从头再来。无头浏览器加 DOM 操作的路线往往比纯视觉点击更稳，代价是只覆盖 Web，碰不了桌面应用。

三、两道墙：责任与反制

第一道墙是责任。智能体替人点了「同意」、提交了订单、发了消息，出错算谁的？这决定了它在生产里只能先做「人类可审计的辅助」：每一步留痕、敏感动作前暂停等人确认。完全无人值守只适合低价值、可撤销的操作。

第二道墙是反制。网站可以用验证码、行为检测识别自动化访问，服务条款也普遍对此设限。技术能力越强，「能不能用」和「允不允许用」的落差越大——工程判断之外，合规判断必须前置。

小结

Computer Use 把「没有 API」从自动化的死路变成了慢路。能跑通演示和能交付生产之间，隔着可靠性工程和责任边界两道墙——先跨第一道的团队已经拿到红利，第二道墙则由规则制定者慢慢砌。

说明：本文为公开资料的整理与评述，信息来源包括主要模型厂商的 Computer Use 产品文档与浏览器自动化社区的公开实践，数据以各官方原文为准。本文由 AI 辅助整理，不构成技术选型或投资建议。