dsh-computer-use

DeepSeek Harness 的 Computer Use 插件 —— 给 harness-desktop 增加"虚拟鼠标真人操作"能力： AI 生成独立光标，像人一样看屏幕、移动、点击、输入，替用户操作电脑。

跨平台（macOS / Windows / Linux），引擎基于 cua-driver（MIT 开源，MCP 标准接口）。

✨ 能力

工具	功能
screen_observe	看屏幕：AX 编号树 + 坐标（零视觉 token 成本）；AX 树为空自动降级视觉
computer_click / computer_double_click / computer_right_click	真人操作：独立光标滑行到目标 + 像素级真实点击（看得见过程）
computer_type	文本输入（密码框自动拒绝）
computer_key	按键 / 快捷键（return、cmd+c…；聊天窗口回车发送）
computer_scroll	滚动
computer_drag	拖拽
computer_wait	等待
app_list / app_launch	列出 / 启动应用

核心设计：AX 树只用于"看"（定位元素坐标），所有操作走像素级虚拟光标——光标滑行动画 + 真实点击，模拟真人操作。内置彩虹渐变动态光标主题（可自定义）。

🛡 安全设计

1. 虚拟光标隔离：操作走 cua-driver 的独立 Agent 光标，不抢真实鼠标
2. 观察快照 TTL：快照约 15 秒过期，过期后动作被拒绝，必须重新观察（引擎侧 element_token 双重校验）
3. 区域限制：可选 allowedApps 白名单，名单外的应用操作一律拒绝（fail closed）
4. 危险操作审批：目标标签命中"删除/支付/转账/退出登录…"危险词时，经 dsh 审批服务征询用户，未批准不放行
5. 敏感输入保护：密码框（AXSecureTextField）拒绝自动输入——密码/密钥永不让模型接触
6. 无快照拒绝：任何动作必须先 screen_observe，杜绝盲操作

⚠️ 作用范围说明：危险词审批与密码框保护基于观察到的元素标签，仅对 element 编号模式生效；x/y 坐标模式与无目标输入（computer_type / computer_key 落到前台应用）无法预知目标内容，由快照 TTL 与"操作可见"兜底。computer_key 不校验快捷键本身（如 cmd+q 等系统快捷键），请勿授予不可信模型。这是设计取舍：安全优先级 = 元素语义 > 坐标盲操作，但坐标模式保留了真人可视操作的自由度。

📦 安装

前提：

• harness-desktop（含 dsh rc 运行时）
• cua-driver 已安装（官方安装见 trycua/cua）且权限已授权（macOS：Accessibility + Screen Recording；Windows：普通用户权限运行）
• 插件默认从 PATH 查找 cua-driver；若二进制不在 PATH，设 CUA_DRIVER_BIN=/path/to/cua-driver（Windows 常用）

# 一键安装（home 级用户 patch 层注入，不修改任何 profile 配置）
./install.sh            # 预演: ./install.sh --dry-run
# 卸载
./uninstall.sh
# 安装后重启 harness-desktop 生效

Windows / Linux：install.sh 的默认 DSH_HOME 是 macOS 路径。Windows（Git Bash / WSL）与 Linux 用户请先 export DSH_HOME=<你的 dsh home 目录> 再运行脚本；或手动两步（见下），两步与平台无关。

脚本做的事（也可手动）：

1. ln -sfn <插件目录> "$DSH_HOME/profiles/web/node_modules/dsh-computer-use"
2. 在 $DSH_HOME/cordis.patch.yml（dsh 的机器级用户 patch 层）insert 插件注册

可选配置（$DSH_HOME/cordis.patch.yml 中覆盖）：

- id: dsh-computer-use
  config:
    ttlMs: 15000        # 快照有效期（毫秒）
    maxElements: 500    # screen_observe 最大编号元素数
    allowedApps: []     # 区域限制白名单（空 = 不限制）
    cursorTheme: com.dsh.computeruse.rainbow  # 虚拟光标主题（空 = 引擎默认）

👁 视觉兜底（可选）

游戏 / Canvas 等无 AX 树的界面，可启用视觉模式（默认不启用，零成本）：

# 智谱开放平台免费申请 key：https://open.bigmodel.cn
export ZHIPU_API_KEY=你的key

设置后 screen_observe 在 AX 树为空时自动降级为视觉理解（glm-4.6v-flash 免费模型，限流自动回退 glm-4v-flash / glm-4.1v-thinking-flash）；不设置则 AX 树正常返回、视觉部分给出提示，不影响主体功能。

🎨 光标主题（可选）

内置彩虹渐变指针主题（com.dsh.computeruse.rainbow，128×128，12 个动作动画，颜色流动），产物 theme.lottie 已随仓库附带。

• 插件启动自动应用（配置 cursorTheme，空 = 引擎默认；未安装该主题时自动回退引擎默认光标，不影响功能）
• 安装主题：需经 cua-driver 的 cursor-theme 编译器安装 theme.lottie（编译器随引擎提供，命令见 trycua/cua 文档）
• 自定义：python3 tools/make_theme.py --output theme.lottie（改颜色/形状）→ 按上述方式安装

⚠️ 已知局限

• Windows / Linux 待真机实测（引擎官方支持，指南见 WINDOWS_TEST.md）
• 像素坐标校准为近似（截图↔屏幕换算用固定比例，首次使用若点击偏移可用 screen_observe 视觉模式或引擎 get_desktop_state 截图对比校准）
• 视觉读屏精度一般（GLM 对小字体读数不稳，显示屏/细字场景建议配合 AX 或放大 zoom）
• macOS 计算器等窗口显示屏不在 AX 树（需视觉读取）

🧪 开发与验证

项目采用"隔离 profile"开发（不动真实 GUI 配置）：

# 用隔离 DSH_HOME 起 headless 会话验证
DSH_HOME=$PWD/.dsh-p0 ELECTRON_RUN_AS_NODE=1 \
  /Applications/harness-desktop.app/Contents/MacOS/harness-desktop --expose-internals \
  /Applications/harness-desktop.app/Contents/Resources/app/node_modules/@deepseek-ai/dsh/lib/bin.js \
  --profile test "请调用 screen_observe 观察当前窗口并报告"

📄 License

MIT

---

🌐 相关链接

• GitHub：https://github.com/988hj7tczd-oss/dsh-computer-use
• Gitee 镜像（国内加速）：https://gitee.com/jerryweizhihao/dsh-computer-use
• npm：https://www.npmjs.com/package/dsh-computer-use
• AI House 独立站（AI 工具排行榜）：https://www.aibunkhouse.com/
• harness-desktop（DeepSeek Harness 桌面端）：https://github.com/988hj7tczd-oss/harness-desktop
• awesome-dsh-plugin（DeepSeek Harness 插件精选列表）：https://github.com/988hj7tczd-oss/awesome-dsh-plugin