ARTICLE · 1088950
电脑长出了第二只鼠标!DHH联手天才黑客掀翻底层:AI终于不抢你了
如果你最近用过各家大模型的 Computer Use（计算机操控 / 替你操作桌面），大概率经历过这种让人抓狂的瞬间：
你让 AI 帮你去后台查个报表、填个表格。下一秒，你的屏幕突然抽搐，鼠标指针瞬间被一股“无形的力量”猛地拽走！
打字打到一半，光标丢了；正在拖拽的文件，啪嗒掉在了半路上你只能像个局外人一样，双手离开键盘，眼巴巴看着 AI 在你的桌面上狂乱点击。
整台电脑，在这一刻退化成了一条只能跑一趟车的单轨铁路。
▲ Cua 官方发布视频：宣布面向 Omarchy 的 Cua Driver 稳定版正式就绪
过去整整四十年，从第一代 Macintosh 到今天的 Windows 11 和 macOS，全球所有的图形操作系统都默认焊死了一条铁律：
一台电脑，只能有一双人类的手；一张屏幕，只能有一个物理焦点
但就在这两天，这个被奉为圭臬的底层铁律，被一群开源极客彻底砸碎了。
开源项目 Cua 正式宣布：联合 Ruby on Rails 之父 DHH（David Heinemeier Hansson）、顶级开发者 Spencer Bull 以及 Wayland 顶级合成器 Hyprland 作者 vaxry，在专为智能体打造的 Linux 发行版 Omarchy 上，带来了一项突破性更新：
他们直接在操作系统的心脏里，给 AI 塞进了第二支原生鼠标！
▲ 官方演示幻灯：人类与 AI 各自拥有独立光标，前台与后台窗口并行工作
01屏幕上多了一只“幽灵鼠标”
在官方放出的 15 秒实机演示里，出现了一幅让所有极客头皮发麻的画面：
深色的极客桌面上，赫然并排浮动着两支独立光标，一支偏粉，一支偏青。
你在前台窗口里行云流水地写着代码、移动鼠标；与此同时，另一支属于 AI 的青色鼠标，正在后台的浏览器窗口里自由地划选、点击、滚动、打字。
两支鼠标，各走各的路，互不干扰，互不抢夺。
画面不卡顿，焦点也不冲突你在前台哪怕按着鼠标左键拖拽几百兆的文件，后台的 AI 哪怕正在狂敲回车，手感依旧稳定顺畅。
▲ Cua 官方推文：在 macOS 和 Windows 仍在依赖变通方案时，Omarchy 选择了合成器原生路径
社区里有人打了一个极其传神的比喻：
这就像你的手机突然进化出了两枚耳机孔和两支麦克风，你可以左耳听妈妈唠叨，右耳同时和老板开会，两边互不串音。
电脑诞生几十年后，人类第一次和 AI 坐在了同一张数字桌子前，各自握着属于自己的鼠标。
02为什么以前的“AI 替你用电脑”全是障眼法？
要理解这次突破有多硬核，我们得先掀开此前所有“AI 操控电脑”的底裤。
从 Anthropic 的 Claude 到各大科技巨头的所谓 Computer Use，市面上常见的技术路线本质上只有三步：截图、看图、抢鼠标。
- 截一张图
，送给多模态大模型； 大模型计算出按钮的 (X, Y)像素坐标；系统模拟底层输入，强行把人类唯一的物理鼠标移过去，点一下。
▲ Anthropic 此前推动的 Claude 桌面 Computer Use：依赖辅助功能与截图
发现问题了吗？这种模式完全脱离了人机协同，沦为对物理焦点的“特权抢劫”。
它假装桌面上只有一个人只要 AI 要干活，人类就必须交出电脑的控制权。
有人会问：macOS 和 Windows 就不能在后台搞几个虚拟指针吗？
能，但极其痛苦
在商业操作系统的封闭黑盒里，窗口服务器（WindowServer）从未给“多个并发操作者”预留位置。所谓的后台模拟，全是在系统 API 缝隙里打补丁：偷偷给后台窗口发消息、费尽心机恢复前台焦点、绕过窗口命中测试……
这种“打地鼠”式的修修补补极其脆弱只要后台窗口弹出一个模态框，或者前台人类手抖点了一下右键，整个自动化流程就会瞬间雪崩。
说白了，在应用层做后台控制，就像你在客厅看电视，保姆想在厨房洗碗，却必须先冲到客厅抢走遥控器把电视静音，人机共存本不该是这个样子。
03掀开天花板：直接杀入“合成器”心脏
Cua 团队和 DHH 掀起这场革命的逻辑极其毒辣：
既然在窗口上面缝缝补补没用，那我们就直接杀进操作系统的图形中枢，合成器（Compositor）。
▲ 方案示意：从 Cua Driver 到 Hyprland 插件，再向应用派发独立的原生合成光标
在现代 Linux 的 Wayland 体系下，合成器是整个图形界面的最高主宰。每一个窗口的长相、每一帧画面的渲染、每一次鼠标点击的派发，全部由它说了算。
在合成器的底层模型里，有一个极其核心的概念叫 Seat（座位）。
过去 40 年，系统默认只有一个 Seat：一套物理键盘，一只物理鼠标，对应一个焦点。
而这一次，Cua 与 Hyprland 作者 vaxry 联手，直接在 Hyprland 合成器内核里写了一套插件：
- 凭空造物
：合成器在内核层实例化了第二套完全隔离的 Seat 和原生合成光标（Synthetic Cursor）。 - 一等公民
：这支 AI 光标绝非浮在屏幕上的虚拟贴纸，它直接作为合成器输入模型的“一等公民”，享有独立的绘制、渲染与生命周期。 - 精准投递
：当 AI 想要操作后台的浏览器，合成器直接将指令精准投递给目标窗口的表面。 - 绝对隔离
：前台应用甚至不知道后台发生了什么，人类手中的物理光标依然牢牢焊死在前台，丝毫不受侵扰。
▲ 技术评论：下沉到合成器层处理输入，避开截图点击的临时方案，才能让主力机日常支持人机并行
这正是开源世界最暴力的美学：商业巨头受制于历史包袱和黑盒架构不敢改、改不动的地方，极客们直接掀翻底层代码，重写规则。
04DHH 与他的“特立独行帝国”
这起技术事件背后，站着科技界最富传奇色彩的叛逆者，DHH（David Heinemeier Hansson）。
▲ DHH 转发站台：有了 Cua，Omarchy 上的 Computer Use 会非常神奇
这位一手打造了 Ruby on Rails、带领 Basecamp 掀起“离开云端、买回服务器”浪潮的技术狂人，在 2025 年写下了一篇著名的《Omarchy is out》，将其称作“写给 Linux 的情书”。
DHH 讨厌平庸，更讨厌封闭他基于 Arch Linux 和 Hyprland 打造的 Omarchy，最初定位就越过了普通小白替代品的范畴，专为开发者和 AI 智能体量身定制一个“开箱即用、完全可塑的终极工作站”。
▲ Omarchy 官网：美丽、有趣且面向智能体时代的可塑 Linux
当 Cua 带着合成光标的概念找到 DHH 和 vaxry 时，三方一拍即合。
过去一个月里，世界上最顶级的极客们在底层代码里疯狂穿插，最终让这套此前只存在于论文和黑客概念验证里的“双光标系统”，在 Omarchy Edge 频道上彻底变成了现实。
社区里已经有人开始狂欢：
“家里吃灰的旧 Windows 电脑，终于可以刷上 Omarchy，直接变成一台 24 小时不知疲倦、拥有自己物理双手的 AI 工作机了！”
05狂欢背后的冷思考：基石初成，前路尚远
我们必须保持清醒：合成器原生光标是一块完美的基石，但绝不等于所有问题已经烟消云散。
官方在配套技术博客中，清晰划定了当前阶段的边界：
- 版本与资格
：目前的稳定集成仅在 Omarchy Edge 尝鲜频道提供； - 生态碎片化
：底层的双光标就绪了，但上层的复杂应用（极其庞杂的 Chromium、Electron、各类无障碍 AT-SPI 语义树）对后台输入的响应依然千奇百怪； - 最致命的命题：安全与权限。
当你在系统底层给 AI 发了一支“看不见的独立鼠标”，意味着这只鼠标拥有和你几乎平起平坐的操作权限。
如果 AI 在后台遭遇了恶意的 Prompt 注入（提示词攻击），它悄悄在后台窗口打开你的密码管理器、转账页面点下确认，你在前台甚至可能毫无察觉。
“能点”只是解决了生理机能；“谁被允许点、在什么条件下可以点”，才是人机协作下一阶段最险峻的悬崖。
06终局：操作系统的定义，正在被 AI 重写
回望过去两年，AI 行业经历了一场巨大的认知颠覆：
一开始，我们以为 AI 只需要一个聊天输入框；后来，我们发现 AI 需要调用 API 和工具；再后来，我们意识到世界上 90% 的工业软件、旧系统和设计工具根本没有现成 API，AI 必须学会“像人一样用电脑”。
而今天，Cua 和 Omarchy 捅破了最后一层窗户纸：
如果 AI 注定要成为天天坐在我们身旁的“数字同事”，那么操作系统本身，就必须承认第二个操作者的存在。
▲ Cua 仓库理念：Give AI agents computers they can use（给 AI 它们能用的电脑）
为什么这件事没有在微软或苹果的主导下出现，偏偏诞生在一个小众的开源 Linux 发行版上？
因为在商业操作系统的宏伟大厦里，每一行代码都背负着几十年的兼容包袱和商业利益；而在开源世界里，只要逻辑正确、架构优雅，哪怕是操作系统的底层心脏，黑客们也敢一刀切开。
电脑长出了第二只鼠标
这或许只是 Linux 演进史上的一小步，但它毫无疑问敲响了旧时代人机交互的丧钟。
未来的操作系统，人类将与无数智能体并肩而立，共同在同一片数字画布上协作起舞。