夜雨聆风Peekaboo这阵子，有了大动静。
大家都默认AI圈的风向是由OpenAI、Google这些大厂掌控的，一旦大厂发布新功能，其他家就会跟风。但Peter注意到的：真正决定体验的，往往不是模型的参数，而是工具的落地细节。Peekaboo发了正式版：v3.0.0和5月11日那天一口气推出的v3.1.0、v3.1.1、v3.1.2。Peter去补全OpenClaw缺失的屏幕识别、桌面操作，几乎是真的在实干。你会发现，它在截图，在识别窗口，在读取UI元素。但它真能跑起来。
更真正把桌面操作能力接进OpenClaw系统，或者嵌到本地工作流里调度。它其实不花哨。它火，不是大厂推出来的，而是做实际开发的人真的需要它。这也是为什么，现在做Agent的、做自动化的、做本地AI的，都开始不约而同地盯上视觉模型了。尤其在桌面自动化这个领域，有个老难题正在默默被解决——动态界面的适配问题。
AI的工具赛，走到2026年，吹概念的不少，真落地的没几个。但Peekaboo的出现，从2025年6月上线初版就不是靠PPT打牌的。它是开源的实干派，它不张扬，但每次更新都扎实落地。尤其是5月11日那天，一口气发了v3.1.0到v3.1.2全家桶，一步一个脚印，把截图、识别、点击、滚动、切换应用这些核心功能的路一个个踩实了。
你可以去问一个做自动化的工程师：要接桌面系统做操作，他默认会用什么方案？大概率，他会说：Peekaboo。甚至现在成了圈内共识——截图识别、元素定位，靠的就是视觉理解能力。为什么AI开发者开始拥抱这种方案？主要在解决三件事：容错，回溯，本地跑。别看这几个技术点，对做自动化的人来说，这比大模型的聊天能力有用多了。
Peter去年年末还在推beta 3跑测试，但他很实在，还听反馈和修bug。这一年下来，光迭代成本就不少。但接上了桌面操作能力之后，几个好处直接立马显现出来：本地跑：截图、识别，用来理解界面、规划操作、执行推理完全够用，数据压根不出本机。灵活选择：简单任务用轻量模型，复杂理解用大模型，自由搭配。速度：Peter自测，它的响应速度，比纯云端方案快得多。可控性：因为可以本地逻辑、本地前缀，可控度远远大于黑盒模型。
我在聊企业级Agent系统时，我跟客户说：关键在本地控制。说实话，我刚接触时，Peter团队很有诚意地开源了代码。演示不错，但一接实际对话流程，它就卡壳了。比如操作里有十步，它经常走到第三步就断了，不是权限插件问题，就是路径配置报错。后来接Peekaboo，它的稳定性，不但流程顺了，连成功率都高很多。你说这是不是魔法？不是，是工程水平扎实。
它底层视觉模型的底子，明显比传统脚本那批要更懂实际操作：识别更扎实，容错天然强，相关工具链多，版本迭代快、文档清楚，社区好维护。别说概念，就说实际要的功能：截图、读元素、点按钮、切应用、操作菜单，这些它都有了。有人说AI评测是玄学、榜单内卷，但Peekaboo真不能这么说。尤其是它的落地能力。比如那个社区案例：用Peekaboo在浏览器里驱动远程iOS模拟器，分析Little Vault欢迎页，识别Logo和按钮，点击创建Vault，一步步跑通全流程。
它不是当前评测榜单里的刷分王，但在实际Agent场景几乎全线压住了AppleScript和固定坐标方案，可谓开源工具里的务实冠军。它就不是靠参数卷出来的，而是靠工程硬怼出的口碑。现在AI工具已经过了吹概念的阶段，今天这个风口，一堆产品火过又凉了，真正的问题是：有没有靠谱好用的开源工具？你可能还在比模型多么强大，但我要告诉你：数据和隐私不会等你慢慢商量权限。我们现在要的，是一套真正能用的本地控制层。
在自动化圈，做Agent的团队已经默认它是基础配置；在隐私敏感的行业，公司和平台把本地控制嵌成了底线。好工具的最高境界就是让你感觉不到它的存在，Peekaboo正在朝这个方向死磕。
