夜雨聆风啊。
我被国内 APP 的封闭程度蠢笑了很久。
微信、QQ、抖音、淘宝...这些国民级 APP，哪个不是层层设防？身份验证、加密算法、反爬虫机制...你想让 AI 去自动化操作这些玩意儿？难度跟在火星种土豆差不多。
直到我发现了 Turix CUA。2.3K Star，开源不久。但这个项目的思路让我觉得，AI 操纵 APP 这事儿，可能真的快成了。
https://github.com/TurixAI/TuriX-CUA
CUA 是什么？
CUA = Computer Use Agent，计算机操作智能体。
说人话就是：让 AI 能像人一样操作电脑。
它不调用任何 APP 的 API，也不破解什么底层协议。它干的事情很简单：看屏幕→理解画面→模拟鼠标点击→模拟键盘输入。
就像一个真正的人坐在电脑前一样。大模型是 AI 的大脑，CUA 就是 AI 的手和眼。
为什么 CUA 比 API 更实用？
你想让 AI 帮你查微信指数、自动通过好友请求、帮你回消息...
这些事儿如果靠 APP 官方 API 来解决，需要：
- 1. 微信官方开放接口 → 不可能
- 2. 申请开发者资质 → 麻烦
- 3. 搞定各种鉴权机制 → 更麻烦
但 CUA 根本不需要这些。它直接模拟人操作——速度大概比人慢一半，但没有封号风险，因为它就是在模拟正常人的鼠标点击和滑动，根本不涉及协议层面的操作。
这就是为什么很多做自动化的人最终都转向了 CUA 方案——它不挑 APP，不挑场景，只要你能看到屏幕，它就能操作。
Turix 架构牛在哪？
Turix 最骚的地方在于：它可以被当成一个底层能力模块，接入到任何 Agent 框架里当 Skill 用。
你可以把它接入到 OpenClaw、Claude Code、Codex、各种 Agent 里，让它们瞬间获得操作 APP 的能力。
这相当于给每个 Agent 都配备了一双可以操作电脑的手。
Codex 桌面版最近也更新了 CUA 功能，但在操作速度上会比 Turix 桌面版稍慢。而且 Codex 点击时会抢鼠标，Turix 也会抢，希望能尽快优化。
但 Turix 的优势在于完全开源。你可以随意给它更换更强大的视觉大模型底座，上限很高。
官方还自研了专门针对 GUI 操作微调的模型：turix-brain 和 turix-actor。官方推荐组合效果最佳。注册之后，账户余额里会自动躺 100 万 Tokens，可以先白嫖一波。
实测案例
1. 微信全自动通过好友请求
Prompt：打开微信，打开左侧栏的通讯录，展开新的朋友，从最上面开始，一个一个点击它们前往验证...
看着鼠标自动在屏幕上有条不紊地点击、验证通过、返回、再点击下一个...这种把重复劳动甩给 AI 的爽感，绝了。
2. 微信指数查询自动化
Prompt：打开微信，打开微信指数小程序，搜索 OpenClaw，查看目前热度。
它极其精准地找到了微信指数小程序，最终查询到热度。整个流程一气呵成。
3. 赛博男友在线代聊
Prompt：打开微信，搜索元宝，给元宝发消息，扮演她的男朋友跟它闲聊，聊5轮结束。
打字发送的过程极其丝滑。角色扮演也相当入戏，开口就是："宝贝，在干嘛呢？想你啦～"🤣
但也暴露出了一个问题：它容易聊嗨。对数字不敏感，对话轮数会远远超出你规定的次数。
4. 自动提 Bug
Prompt：帮我给这个开源项目提一个 issue，执行 CUA 任务的时候对数字不敏感，希望尽快优化。
它会丝滑地打开浏览器，登录 GitHub，填写标准的 issue 信息并顺利提交。这就是所谓的"套娃"——让 AI 自己给自己提 bug。
CUA 将如何颠覆 RPA？
从技术角度看，让 Agent 操纵 APP，最稳定的方案绝对是底层 API 或 CLI。
但现实是：国内互联网处处建护城河，愿意主动开放接口的 APP 少得可怜。
所以在未来一段时间内，CUA 还是最具普适性的 APP 自动化方案。
而且 CUA 会进化。等操作速度和准确度再提升一个档次，传统的 RPA 行业就危险了。
RPA 需要程序员写复杂的抓取脚本，网页改版脚本就得重写，上手门槛很高。
CUA 完全不同。你用大白话下指令，它如果成功执行一次，能立刻把这套操作沉淀成一个 Skill。下次再让它干同样的活，直接调用这个 Skill 就行。
这就相当于你花十分钟教会一个徒弟，以后这活儿就是他的了。
工具的上限，决定了你能做事情的边界。
你想让它帮你操纵什么 APP？评论区一起开脑洞～
