夜雨聆风目前有多款大模型和AI Agent已经具备了操作电脑的能力，包括控制浏览器、Office办公软件、命令行等。以下是一些主要的产品和方案：
主流AI电脑操作工具
1. Claude Computer Use（Anthropic）
- 能力：直接操作电脑，打开应用、点击按钮、填写表格、操作浏览器、处理Excel（带公式）、制作PPT、编写Word文档。
- 特点：集成在Claude Cowork和Claude Code中，Pro和Max订阅用户可用，目前处于研究预览阶段。
2. OpenAI Operator
- 能力：像人类一样使用网页浏览器，可代理用户执行基于网页的操作，如订餐、网上购物等。
- 特点：OpenAI首款AI代理工具，目前仅向美国地区的ChatGPT Pro用户开放研究预览版。
3. 微软Copilot Studio "计算机使用"功能
- 能力：让AI智能体直接与网站、桌面应用程序互动，支持Edge、Chrome、Firefox等浏览器。
- 特点：无需编码，通过自然语言描述需求即可构建自动化流程，克服传统RPA的界面元素脆弱性问题。
国内主流产品
4. OpenClaw生态系列
- OpenClaw：开源自动化控制框架，让AI从"对话"走向"执行"，能直接操作操作系统。
- QClaw（小龙虾AI）：腾讯基于OpenClaw开发的本地化AI助手，支持Windows/macOS，微信远程控制，开箱即用。
- WinClaw：免费AI电脑助手，支持本地部署，可操作Office套件、浏览器自动化、文件管理等。
5. 字节跳动系列
- Agent TARS / UI-TARS：开源多模态AI助手，支持浏览器操作、命令行集成、文件编辑等复杂任务。
- SOLO：字节跳动TRAE推出的独立桌面程序，支持Word文档、Excel表格、PPT演示、PDF处理、写代码、跑命令、上网搜索等。
6. 阿里巴巴QoderWork
- 能力：桌面级通用智能体助手，直接操作Excel、PPT、浏览器及系统文件，在本地沙盒环境中执行任务。
- 特点：继承阿里Qoder团队在代码智能体领域的积累，无需编写代码即可完成复杂操作。
7. 实在Agent
- 能力：拥有屏幕语义理解技术，能像人一样看懂网页、Excel、ERP或钉钉界面，无需API即可操作。
- 特点：原生支持微信、钉钉、飞书等国内办公软件，支持国产操作系统和私有化部署。
开源工具和框架
8. OfficeCLI
- 能力：全球首个专为AI智能体设计的Office套件，通过命令行指令完全掌控Word、Excel和PowerPoint。
- 特点：开源免费，单一可执行文件，无需安装Office套件，全平台运行。
9. TuriX-CUA（Computer Use Agent）
- 能力：基于Python开发的开源AI智能体，通过屏幕截图获取视觉信息，执行鼠标键盘操作。
- 特点：支持Windows和macOS，采用"规划师+执行者"分离设计，兼容MCP协议。
10. PC-Agent
- 能力：基于大语言模型的桌面级AI代理框架，通过自然语言指令驱动计算机完成复杂操作。
- 特点：支持跨软件协同操作，在浏览器、IDE、办公软件间无缝切换。
浏览器集成方案
11. QQ浏览器Excel助理、AI PPT
- 能力：在QQ浏览器PC端内直接操作Excel和PPT，强化数据分析与PPT生成能力。
- 特点：依托浏览器入口优势和DeepSeek-V3.2大模型能力，打造能办事的AI浏览器。
技术特点总结
这些工具的核心技术路径主要分为：
- API集成模式：通过软件提供的API接口进行操作（如OfficeCLI）
- 视觉识别模式：通过屏幕截图和视觉语言模型理解界面并操作（如TuriX-CUA）
- 混合模式：结合API调用和视觉识别（如实在Agent的屏幕语义理解）
选择建议
- 追求易用性：SOLO、QClaw、WinClaw等开箱即用产品适合普通用户
- 需要深度定制：OpenClaw、TuriX-CUA、PC-Agent等开源框架适合开发者
- 企业级需求：实在Agent、微软Copilot Studio提供更稳定的企业级解决方案
- 特定场景：OfficeCLI专注于Office文档操作，QQ浏览器助理专注于浏览器内文档处理
这些工具正在快速演进，从简单的对话助手发展为能够真正操作电脑的"数字管家"，大幅提升了工作效率和自动化水平。
