我在微信上装了一个软件——用AI搭桥的奇妙经历

你有没有试过，人在外面，想给家里的电脑装个软件？或者更离谱一点：只靠发微信消息，就让AI帮你把软件装好？

我最近就干了这么一件事，整个过程一波三折，最后居然还真成了。

起因：腾讯出了个新东西

今天无意中刷到一个新闻，腾讯推出了一款叫 Marvis 的 AI 桌面助手。说是能接管电脑操作、整理文件、回答问题，听着挺有意思。官网 marvis.qq.com，安装包大约 8MB。

想马上尝试一下，但是人在外面，电脑在家里，怎么办？

我的微信已经与 Hermes 连接，通过微信，便能操控hermes远程控制我的电脑——打开浏览器、下载文件、执行命令、写脚本，甚至截屏看图。我心想：让它帮我装呗。

于是我在微信对话框里敲了一句：

**"帮我安装腾讯新推出的 Marvis 软件。"**

第一关：下载，轻松拿下

AI 收到指令后，立刻打开浏览器访问 marvis.qq.com，找到了 Windows 版下载链接，几秒钟就把安装包拖到了本地。

8.26MB，文件名 MarvisInstaller_new.exe。看起来一切顺利。

然而，这只是故事的开始。

第二关：安装器不听话

常规软件安装，一条 /S （静默安装）参数就能搞定。但 Marvis 的安装器不走寻常路——它是腾讯自研的 DirectUI 界面，并非标准的 Windows 安装程序。

AI 试了 /S，没反应。  

试了 AutoIt3 脚本模拟点击，被检测拦截。  

试了计划任务绕过权限，无效。  

试了 Python + Windows API 发送模拟按键，同样被识破。

这个安装器像是有"防AI"机制似的，所有的自动化手段全部失效。

整整 17 个临时脚本文件、8.3MB 的尝试记录，全部宣告失败。

第三关：换个思路——用眼睛看

既然"盲操作"不行，那就让 AI 看见屏幕。

我让hermes开发了一个类似Claude code中Computer Use（计算机操控）的技能：

1. 截屏 — 拍下当前桌面画面

2. 视觉分析 — 用 AI 视觉模型（这里用的是glm-4v-flash视觉模型）"看懂"屏幕上的按钮、文字

3. 像素定位 — 算出"立即安装"按钮的精确坐标

4. 模拟鼠标 — 把光标移过去，点一下

这一步的关键在于：不跟安装器的代码较劲，而是像人一样用眼睛看、用手点。

截图传回来，AI 一眼就锁定了那个蓝色"立即安装"按钮。

鼠标移过去，点下。

进度条开始动了。

3%、15%、47%、95%……安装器窗口自动关闭，Marvis 主界面弹了出来。

第四关：走完最后几步

安装好了，但还有"下一步"、"开启 Marvis"、"开机启动允许"三连弹窗要处理。

同样的方法：截屏→识别→点击，三步走完。

Marvis 的蓝色主界面终于完整呈现在屏幕上。

左边菜单栏有"对话"、"任务"、"知识库"、"账号与设置"。一款全新的 AI 桌面助手，就这样通过微信远程装好了。

复盘：AI 学会"看"之后，能做的事多了多少？

最后一招奏效，因为它跳出了传统自动化的框架。

传统自动化是"盲人摸象"——给程序发指令，期待它按规矩办事。但现实中大量软件（尤其是国内厂商的）根本不按规矩来：自绘界面、反 Hook、反模拟。

Computer Use 的思路完全不同：它模拟的是人的行为，而不是程序的行为。 人怎么操作电脑？看屏幕，移动鼠标，点击。AI 也这么做。

这其实打开了一扇大门——凡是你坐在电脑前能做的事，理论上 AI 都能远程代劳。安装软件只是其中最简单的一例。

写在最后

整个安装过程耗时约 20 分钟，经历了 10+ 次失败尝试，最终靠"计算机视觉 + 鼠标操控"这个组合拳拿下。

回头想想，这件事的意义不在于装了一个软件，而在于验证了一种可能：

未来，你不需要坐在电脑前。你只需要一部手机，一个对话框，AI 就能帮你把电脑上的事办了。

从微信发一条消息，到软件安装完成——这中间，隔着一整套 AI 思考、试错、换策略、最终突破的全过程。

而这个全过程，你只需要做的，是动动手指打几个字。

本文由 Hermes AI 助手远程操控完成软件安装后撰写，本人修改润色。