pi-agent-computer-use

让编码智能体直接操控 Windows 桌面和应用

开源 🏷️定价信息待确认 ⏳ 访问状态待核验 自动化工作流 🍴 复刻 6
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 104
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

pi-agent-computer-use 项目界面预览图
图片来源:项目官网

项目数据

分类自动化工作流
开发团队alexshpunt
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态⏳ 访问状态待核验
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型accessibility,agent-tools,ai-agent,browser-automation,computer-use,cua,desktop-automation,electron,pi,pi-coding-agent,pi-extension,pi-package,playwright,typescript,ui-automation,vision,webview2,windows,windows-automation,wsl
GitHub 星标★ 104
上线时间2026-10-02 00:00:00
代码更新2026-11-22
仓库体积23.1 MB
本站数据更新2026-11-23
维护状态活跃
收录时间2026-11-23
浏览次数0

项目介绍

pi-agent-computer-use 是给 Pi 编码智能体(Pi coding agent)增加“操作电脑”能力的扩展,让 AI 不只写代码,还能直接操控 Windows 应用、浏览器和桌面。它通过原生 UI 树(Windows accessibility 接口)、截图和真实输入事件三条路径理解并操作界面:先读取控件层级和属性来定位按钮、输入框,必要时用截图做视觉识别兜底,最后用真实的鼠标键盘事件完成点击、输入、拖拽等动作。项目用 TypeScript 编写,面向 Electron 和桌面自动化场景,把 accessibility、browser-automation、CUA(computer-use agent)等能力打包成智能体可调用的工具集。适合需要让编码助手参与端到端桌面流程的开发者,例如自动填写表单、跨应用搬运数据、执行重复性 GUI 操作,而不必为每个软件单独写脚本。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-11-23 · 当前星标 ★ 104

核心亮点

  • 同时支持原生 UI 树、截图和真实输入三条通道,控件可定位时走结构化路径,不可定位时用视觉兜底,覆盖面比单一方案广
  • 直接对接 Pi coding agent,可作为工具集被智能体按需调用,不需要另建一套 agent 框架
  • 基于 Windows accessibility 接口读取控件属性,比纯坐标点击更稳定,能适应窗口位置和分辨率变化

不足之处

  • 项目仅 104 星,处于早期阶段,API 和工具接口可能频繁变动
  • 深度依赖 Windows accessibility 体系,跨平台能力有限,macOS/Linux 场景未覆盖
  • 截图与视觉识别路径对复杂界面和动态渲染页面的成功率依赖模型能力,稳定性待更多验证

适用场景

  • 让编码智能体自动打开桌面软件、填写表单并提交,完成重复性 GUI 流程
  • 跨应用搬运数据:从一个窗口读取内容,整理后输入到另一个应用
  • 在浏览器和本地客户端之间执行端到端操作任务,如登录后批量录入信息

替代项目

browser-use、Open Interpreter、UI-TARS

同类项目推荐

browser-use 开源

AI 替你在网上跑腿,填表下单全包圆

Open-source Python library for AI browser agents, plus Browser Use Cloud: stealth br···

★ 121728 2026-08-09
gpt-promo-scanner 开源

自动扫促销码,ChatGPT 订阅最高省 71%

ChatGPT Team(Business) 促销码自动扫描工具 — 批量发现/验证/价格收集,支持 17 国 34 个···

★ 948 2026-08-09
chatwiki 开源

在微信公众号上,拖拽搭建你的专属 AI 客服机器人

ChatWiki 微信公众号的AI知识库工作流Agent平台,RAG大模型AI客服机器人,致力于成为垂直领···

★ 2116 2026-08-09
ChatFred 开源

在 Alfred 里直接聊 AI、画图,不用切窗口

Alfred workflow using ChatGPT, DALL·E 2 and other models for chatting, image genera···

★ 371 2026-08-09
open-claude-in-chrome 开源

在任意 Chromium 浏览器中解锁 Claude,无域名限制

Claude in Chrome, reverse-engineered and open-source. No domain blocklist. Any Chrom···

★ 292 2026-08-09
PaiAgent 开源

用 Java 拖出一条 AI 工作流,跑通就上线

轻量级的AI工作流编排系统,类似dify、n8n,全程使用Vibe Coding,AI工具为Qoder+CLI。涉及···

★ 728 2026-09-20
image-smith 开源

可视化编排,一键批量处理 Windows 图片

Image-Smith: Visual Batch Automation for Windows Workflows

★ 102 2026-11-18
ComfyUI-Workflows-ZHO 开源

一键加载大神工作流,快速出图不踩坑

我的 ComfyUI 工作流合集 | My ComfyUI workflows collection

★ 7987 2026-08-09
tg2obsidian 开源

把 Telegram 消息自动存进 Obsidian,告别手动复制粘贴

This bot pulls new messages from a Telegram chat or group and puts them into Obsidia···

★ 155 2026-08-09