Windows-Use

Windows-Use 是一个跑在 Windows 上的 AI 智能体。它不靠截图识别，而是通过 Windows UI Automation API 读取窗口里的控件树，把当前界面转成文字描述交给大模型，由模型决定下一步点哪里、输入什么、滚动还是执行命令。你给它一句英文任务，比如「打开记事本写一首关于 Windows 的短诗」，它自己拆步骤做完。

主要功能

能做的事覆盖了日常桌面操作：打开、切换、调整应用窗口，点击、输入、滚动、拖拽和快捷键，运行 PowerShell 并读回输出，通过浏览器的无障碍树抓取网页内容，读写文件系统，创建和切换虚拟桌面。它还带持久记忆，跨步骤记住之前的信息，并支持语音输入输出。

怎么用

需要 Python 3.10 以上和 Windows 7/8/10/11，用 pip 或 uv 安装后写几行代码调用 Agent，也可以直接在终端运行 windows-use 进入交互模式。模型可以接 Anthropic、OpenAI、Google Gemini，也能用 Ollama 跑本地模型。交互模式里能用反斜杠命令切换模型、改 API key、配置语音。

费用与限制

项目本身是 MIT 协议开源，代码免费。但调用云端大模型要你自己准备 API key 并按各家价格付费；想不花钱可以走 Ollama 本地模型。任务默认最多 200 步，复杂操作可能中途卡住。它直接操作真实桌面，误点误删的风险要自己评估。