待验证50% 置信事实精确时间
Computer use 的实现通常依赖屏幕理解（GUI grounding）和动作序列规划（action planning）两类底层技术。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
已验证GUI智能体技术底层依赖视觉语言模型的屏幕理解能力与动作规划模块协同：先对屏幕截图进行语义理解识别界面元素，再由规划模块生成具体指令序列执行72% 相似待验证执行真实后果的动作在技术实现上通常有两条路径：通过官方开放的API接口（需OAuth授权），或通过计算机视觉+模拟鼠标键盘操作的Computer Use方案72% 相似待验证Computer Use是指让大语言模型直接操控图形界面（GUI）或通过API调用来完成计算机任务的能力范式68% 相似已验证Computer Use指AI直接操作计算机界面（点击、输入、导航）代替用户完成实际操作67% 相似待验证GUI grounding是GUI智能体领域的基础任务，指给定自然语言指令，智能体在界面截图中定位对应可交互元素并输出坐标以执行点击。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1100823API
curl https://kongchang.com/api/v1/knowledge/claims/1100823MCP
get_claim(id=1100823)