Skip to content

👾 Open Computer Use – Open-Source Alternative to Codex Computer Use

38.2 KB
Raw Blame

功能发布记录

2026-10

日期 功能域 用户价值 变更摘要
2026-10-13 Windows 滚动与坐标 Windows 上 scroll 不再在默认配置下直接失败;150% 缩放且窗口位于屏幕右侧时,get_app_state 也能返回截图和窗口 bounds。 修复 scroll 请求漏传 windowBounds 导致坐标回退必然报 No usable screenshot coordinates;滚轮消息保留屏幕坐标并修正横向方向,PowerShell bridge 启动时对齐 DPI 物理坐标;ScrollPattern 在当前状态不可滚动时回退到坐标路径而不是让整个 tool call 失败。
2026-10-13 Windows 全局输入兜底 需要真实指针或键盘的 Windows 动作(click_method=global、WinUI 键盘输入、子控件点击)在显式授权后可用,默认路径完全不变。 Windows 实现 click_method=global 真实指针点击;drag / scroll 的坐标回退在 OPEN_COMPUTER_USE_ALLOW_GLOBAL_POINTER_FALLBACKS=1 时使用真实指针,按键另需显式 key_method=global,app_post 仍保持 HWND 消息语义;未授权时在任何物理输入前拒绝,核对目标前台 / 命中 / 几何并在异常时释放输入。
2026-10-17 1.1.2 修复发布 软件光标持续跟随移动窗口,Linux 批量动作可减少回读开销,安装链接统一到新仓库。 同步所有版本源至 1.1.2;发布窗口锚点跟踪、Linux 动作回读配置与仓库改名后的 npm / 插件元信息,沿用既有命令和 App 签名身份。
2026-10-17 仓库名称统一 项目地址与现有 npm 包、CLI 和 App 名称保持一致,方便多个 Agent 使用。 仓库迁移到 iFurySt/open-computer-use,同步当前安装说明、npm / plugin 元信息与发布模板;保留原有包名、命令、App 签名身份和历史发布链接兼容。
2026-10-17 macOS 文本选择 Agent 可选中文字或放置光标,不必模拟拖拽。 新增 native select_text 和 JS app.selectText,支持快照 / query 索引、前后文消歧和 UTF-16 选区;重新检查会话与文本,验证失败明确报错,关闭完整回读时仍验证实际选区。
2026-10-17 macOS 软件光标窗口跟随 目标窗口移动后,行进、点击反馈和等待中的软件光标继续跟随,避免停在旧位置。 接入窗口相对锚点,修复 idle / pulse 的旧落点、行进中止后的可见位置及重复计时器;AX 帧读取改为后台串行缓存,限制为最多 30 Hz / 一个请求,并在清理时释放追踪。
2026-10-15 1.1.1 修复发布 Locked Use 安装更新更可靠,降低认证与后台 IPC 开销。 统一版本为 1.1.1,发布授权宿主、安装加载检查、旧组件卸载与连接生命周期修复;完整双屏遮罩、自动解锁、点击验证和重锁实测通过。
2026-10-15 Locked Use 安装与性能修复 减少认证和 IPC 开销,旧系统组件也能正常移除并重装。 非 UI 插件使用 privileged host,安装前验证真实加载;修复系统缓存卸载与转交 socket 的生命周期,降低空闲唤醒,status 提示组件版本差异。
2026-10-15 Linux 动作回读 REPL 批量操作可省去每个动作后被丢弃的完整界面观察。 Linux 开始支持现有的 OPEN_COMPUTER_USE_ACTION_READ_BACK=0,成功动作返回 ok,保留最后一次显式观察的索引缓存;默认原生 MCP 回读与显式 get_app_state 保持不变。
2026-10-15 Linux 焦点与选区 大型界面减少重复查找,预算不足时明确提示,选中文字能正确返回。 复用快照已选窗口,一次查找生成焦点摘要与选区;按节点和深度预算停止读取,使用标准 AT-SPI 选区接口,并补隔离 GTK 验证。
2026-10-15 Linux 隐藏控件详情 隐藏节点较多时,可减少不需要的属性读取。 新增默认关闭的 OPEN_COMPUTER_USE_LINUX_LIGHTWEIGHT_HIDDEN;保留节点、索引和可见子节点,状态未知时完整读取,补充真实 GTK 标签页及 native MCP 回归。详见 使用与验证。
2026-10-15 按需观察 只需控件信息时可省去截图,只需画面时可省去 AX 遍历。 统一 macOS / Windows / Linux 的 include_ax / include_screenshot、JS 和 CLI snapshot 参数,默认完整采集;纯截图清理旧索引,只取 AX 拒绝截图坐标输入,补真实 AppKit / GTK / WPF、Windows 截图边界与 PowerShell 分支验证。详见 使用与验证。
2026-10-14 1.1.0 正式发布 用户可直接安装 Locked Use,在锁屏遮罩期间继续 GUI 操作,也可用定向查询和持久截图配置减少工具开销。 统一版本为 1.1.0;签名 universal macOS App 内嵌服务、Guardian、安装器和授权插件,普通 enable 请求权限,补齐冷启动握手隔离和发布制品检查;新增 app.query()、doctor --json 与 ocu config。
2026-10-10 macOS Locked Use 验证版 可在已登录 Mac 锁屏时,通过全屏遮罩继续 GUI 自动化,并在结束或本地接管后安全重锁。 正式组件采用 OCU Guardian / OCULockService / OCULockInstaller / OCULockAuth 短名称,开发 App 保留 Dev 区分;新增签名 Broker / 授权插件、双进程显示器保护、一次性许可、租约排空 / 恢复及构建和实机验证脚本;管理员显式启用 validation profile,生产 backend 在完整验证前保持关闭。
2026-10-10 macOS 定向 AX 查询 知道控件文案时,可以直接查询并操作,不必先获取截图和完整 AX tree。 新增 native query 和 JS app.query(),按文字、角色和窗口查找元素,返回完整性元数据;查询索引仅在同一会话内有效,操作前重新验证目标和位置。
2026-10-10 macOS 截图配置 普通用户可用 ocu config 持久化截图偏好,无需维护 shell ENV。 新增用户 JSON、ENV 覆盖、PNG/JPG/WebP 格式、明确的超大缩小/丢弃开关、最小总像素数过滤、质量/SCK 超时;取消字节预算缩小,支持关闭长边上限,省略截图时说明原因,保留 #65 捕获路径与坐标映射。
2026-10-10 结构化权限查询 宿主可以读取和轮询 macOS 授权状态,无需解析文本或重复弹引导。 新增 ocu doctor --json,输出权限布尔值、allGranted 和缺失权限列表;普通 doctor 保留权限引导,Linux/Windows 明确返回不支持。
2026-10-10 1.0.0 正式发布 用户可通过 npm 或直接下载使用跨平台桌面自动化,并以持久 JavaScript 会话编排操作。 基于当前 main 发布 1.0.0:统一所有版本源,交付 macOS 后台键盘、遮挡/其他 Space 窗口读取及显式 agent display,包含 Linux 快捷键与 Windows 无效截图修复;Linux / Windows runtime 继续标为实验性。
2026-10-09 Linux 按键 Linux 上 press_key 的 Enter、Tab、Escape、方向键和 ctrl+a 等快捷键会送达正确的按键,Agent 可以提交表单、切换焦点和使用快捷键。 Linux bridge 改用 KeySynthType.SYM 发送具名键 keysym,并以 LOCKMODIFIERS / UNLOCKMODIFIERS 保持修饰键;此前 keysym 被当作 keycode,Enter 会输入 4,修饰键不生效。
2026-10-09 Windows 截图可靠性 极小、最小化、隐藏、cloaked 或离屏窗口不会再向模型返回不可用的 PNG;极端情况下仍可读取 accessibility tree,并明确限制依赖截图坐标的操作。 Windows bridge 在截图前校验窗口状态、virtual screen 交集和最小尺寸,Go 层再次解码 PNG header 复核;无有效截图时省略 image block,coordinate click / drag fail closed,不做放大、补边或占位图。

2026-09

日期 功能域 用户价值 变更摘要
2026-09-29 跨平台分发与 JavaScript 自动化 Agent 可以通过持久 JavaScript 会话批量编排桌面操作,延迟异步错误不会污染下一次调用;DSH 用户获得一键兼容安装;不使用 npm 或 Homebrew 的用户也可直接下载三端 runtime 和 skill。 发布 0.3.6:新增 plugin js / js_reset、ocu js / ocu repl、DSH 验证式安装,并在 tag CI 完成后统一发布 macOS universal app、Linux / Windows 双架构 CLI、skill、SHA-256 校验和与 manifest。
2026-09-24 macOS 后台操作收敛 assistant turn 或 MCP/REPL connection 结束时会自动恢复窗口与 occlusion 状态;JS API 可直接传 windowPlacement 和 keyMethod。 restore 改为按 app 恢复当前 runtime 停放的全部窗口;get_app_state 不再错误标为 read-only;私有 CGVirtualDisplay API 变化会 fail closed 而不是以 Objective-C exception 终止 host。一次性 CLI 的 park/action/restore 需放在同一个 call --calls 中。
2026-09-22 JS REPL CLI 用户无需先配置 MCP host,也可以直接用 ocu js 执行一次性 Computer Use JavaScript,或用 ocu repl 在终端中复用持久 binding;Agent 还能先读取结构化 capability 状态。 npm launcher 新增 positional/stdin/file 三种 js 输入、持久 terminal REPL、capabilities [--json] 和稳定 help availability;ocu mcp 仍保持原生 9-tool surface。
2026-09-22 JS REPL 错误传播与 read-back js 代码抛出的异常立即以 isError 返回且保留 bindings,不再等到 30 s 超时并丢弃 session;macOS 上一批 action 不再为每个动作等待 150 ms 并重新读取整棵 AX tree,十次点击从数秒降到约一次 state read。 REPL adapter 从 Node 的 handleError(Node 26)或 domain(Node 22)路径 settle 当前 evaluation;adapter 以 OPEN_COMPUTER_USE_ACTION_READ_BACK=0 启动 native runtime,macOS action 在该模式下返回短状态、跳过 settle 与 snapshot;默认 9-tool 行为不变,Linux / Windows 暂时忽略该变量。
2026-09-21 JS REPL Computer Use Agent 可以用异步 JavaScript 绑定 app,并在一个 tool round trip 内完成 inspect、action、条件和最终验证,不必在多轮间搬运所有中间状态。 Codex plugin 通过持久 Node.js Worker 和 app-bound cua API 暴露 js / js_reset;open-computer-use mcp 继续保留既有 9-tool compatibility surface。
2026-09-17 DeepSeek Harness 集成 DSH 用户可以用一条命令安装 Open Computer Use,并在写入配置前发现错误的可执行文件或不兼容的 MCP server。 新增 DSH MCP 兼容安装器、turn-boundary 光标清理 hook 和非破坏性 skill 安装;安装前校验 server identity 与非空工具目录但不锁死工具数量,显式安装在 MCP 启动失败时 fail loud,并明确该路径不注册 DSH 的 first-class computer-use provider。
2026-09-10 macOS 拖拽修复 显式开启全局指针路径后,窗口移动、文本拖选与 Finder 拖放可收到启动真实拖拽所需的事件;默认路径的限制也会明确呈现。 发布 0.3.5:补齐拖拽位移、手势事件编号与 HID 投递时序,增加投递路径说明;同步升级 Go MCP SDK 到 v1.4.1。
2026-09-08 macOS agent display 已经被遮挡或在其他 Space、内容被 app 隐藏的窗口,可以显式停靠到 agent 专用的不可见显示器上读取、点击和输入,用户的 Space、焦点、指针不受影响,用完可恢复原位。 get_app_state 新增 window_placement(keep / agent_display / restore):通过 CGVirtualDisplay 创建 agent 显示器并用 AX 位置移动窗口 frame,restore、MCP server 正常关闭或进程退出时移回并销毁显示器;失败时保留恢复记录供重试;Windows / Linux 返回 unsupported。
2026-09-08 macOS 被遮挡 / 其他 Space 窗口 get_app_state 不再为其他 Space 的窗口激活或抬升应用;先看过一次的 Chromium / Electron 窗口在被遮挡或切换 Space 后仍能读到网页内容和实时截图;sky_click 可以点击被遮挡或其他 Space 的窗口。 窗口解析退到所有窗口列表;拍到未被遮挡的窗口后关闭其 WindowServer occlusion 通知,保存并在 MCP server 正常关闭或进程退出时恢复原始状态;Chromium 系 app 懒加载 AX tree 时最多重走 3 秒;sky_click 校验只要求窗口仍属于目标进程。
2026-09-08 macOS 后台键盘输入 Agent 可以向被遮挡或位于其他 Space 的 Chromium / Electron 窗口输入文字和快捷键,用户当前的应用、焦点、指针和 Space 都不受影响。 为 type_text / press_key 新增 key_method,提供 auto(默认)和 macOS-only 的 sky_key:复用 sky_click 的 target-only synthetic focus,加上 make-key-window record 让目标窗口在其进程内成为 key window,cmd 组合键改走目标菜单栏。Windows / Linux 返回稳定 unsupported。
2026-09-08 drag 投递路径可见性 在默认安全配置下调用 drag 做窗口移动、文本拖选或 Finder 拖放时,结果会明确说明事件只投递给目标进程、为何没有效果,以及需要设置哪个环境变量,不再表现为“成功但无效果”。 drag 结果新增一条 Drag delivered via app_post / Drag delivered via global pointer path 文本项;tool description 补充默认路径限制与 OPEN_COMPUTER_USE_ALLOW_GLOBAL_POINTER_FALLBACKS=1 说明;skill 文档新增 Drag Delivery 章节;默认行为与安全门本身不变。
2026-09-08 macOS 应用定位与 secondary action 按名称定位应用时减少误选后台 helper,执行 secondary action 时避免动作错配。 发布 0.3.4:优先匹配普通应用;支持 Safari custom action 短名称,并修复过滤后的动作映射和名称冲突。
2026-09-06 macOS secondary action Agent 可以通过 Safari 暴露的 close tab secondary action 可靠关闭标签页,不会因内部动作被过滤而误执行另一项动作。 macOS renderer 将 Name:close tab ... 形式的 AppKit custom action descriptor 显示为短名称,executor 从同一组过滤后的 raw actions 做等价名称匹配,并拒绝歧义匹配;短名称与其他原始 action 冲突时保留完整 descriptor,避免误执行同名原始动作。
2026-09-06 macOS 应用名称解析 按名称定位 Safari 等应用时优先匹配真实应用,避免同名后台 helper 抢占匹配结果。 按普通应用名称、普通应用 executable、后台应用名称、后台 executable 分级匹配;同级保持原顺序,bundle identifier 和安全过滤规则不变。
2026-09-01 内嵌 App Agent Socket 隔离 使用内嵌 OCU 的宿主不会再与用户全局 OCU 争用同一个 App Agent Socket,避免一个实例意外终止或替换另一个实例。 发布 0.3.3,为显式配置 namespace 的宿主生成确定性、短且不泄露原值的 Socket 文件名;未配置时继续兼容旧路径。

2026-08

日期 功能域 用户价值 变更摘要
2026-08-29 跨平台文本与 Web 链接动作 Linux 用户在 Ubuntu 24.04 等环境中可稳定使用文本操作;Chrome / BOSS 中的导航链接也能保持独立定位与点击。 发布 0.3.2,通过标准 AT-SPI 接口检测文本能力,并保留带 URL 的 Web 链接动作节点,避免父级通用动作吞掉链接语义。
2026-08-08 Linux AT-SPI 文本能力检测 Ubuntu 24.04 等 PyGObject 环境中的 get_app_state、type_text 和 set_value 不再因缺少非标准 Accessible.is_text / is_editable_text 属性而崩溃。 Linux bridge 改为通过标准 Accessible.get_interfaces() 检测 Text / EditableText,并新增不依赖真实桌面的 Python 回归测试。

2026-07

日期 功能域 用户价值 变更摘要
2026-07-30 Web 可点击选项边界 Chrome 等 Web 页面中的多个文本选项即使位于同一个摘要容器内,也能分别保留可操作的 element_index;BOSS 直聘转发弹窗中的“站内同事”“转发至其他”和“邮件转发”可以被独立定位。 发布 0.3.1,让带 AXPress、AXConfirm 或 AXOpen 的紧凑通用节点成为文本摘要边界并渲染为 button;普通纯文本压缩以及零尺寸、大面积通用节点过滤保持不变。
2026-07-27 可配置与后台点击 调用方可以显式选择点击实现,并在 macOS 上对被遮挡的同 Space 窗口执行后台点击,同时保持真实鼠标、前台应用、窗口焦点和层级不变。 发布 0.3.0,为 click 新增 click_method,提供 auto、accessibility、app_post、global 和 macOS-only sky_click;默认 auto 行为保持不变,显式模式失败时不静默切换实现,global 继续要求环境授权。
2026-07-20 匿名 Web 图标控件 Chrome 等 Web 页面里的纯图标按钮即使没有可读名称,也能在 snapshot 中保留可点击的 element_index,Agent 可以更稳定地操作 icon-only 控件。 发布 0.2.1,保留具有 AXPress / AXConfirm / AXOpen 主动作且 frame 紧凑有效的匿名 AXGroup / AXUnknown,渲染为 button;同时继续过滤零尺寸节点和大面积通用点击容器。
2026-07-08 快照预算与长文本控制 长网页、长列表和复杂表格可以显式提高 accessibility tree 预算,读取长消息或文档时也能按需选择更大的文本上限或全文模式。 发布 0.2.0,三端默认 tree budget 统一为 1200/64,并为 get_app_state / snapshot 增加 max_tree_nodes、max_tree_depth 与 text_limit / --text-limit;show_full_text / --show-full-text 已由 text_limit: "max" / --text-limit max 替代。

2026-06

日期 功能域 用户价值 变更摘要
2026-06-26 npm CLI 短别名 npm 全局安装后可以直接使用 ocu 作为 open-computer-use 的短命令,常用的 ocu mcp、ocu call ... 和 ocu install-codex-mcp 更适合日常输入。 发布 0.1.54,npm staging 包新增 bin/ocu 并复用现有 launcher;同步 README、skill 指引、CI/CD 说明和 release staging 检查,确保后续发版会验证短别名。
2026-06-11 快照长文本与 Windows 编码稳定性 snapshot / get_app_state 默认文本截断在 macOS、Linux、Windows 上保持一致;需要读取完整长消息时可以显式打开 full-text 模式。Windows runtime 处理中文等非 ASCII tool 参数和 MCP 输出也更稳定。 发布 0.1.53,新增 show_full_text / --show-full-text,默认统一 500 字符并追加 ...;修复 Windows operation JSON 读取和 PowerShell 输出编码;同时补 agent smoke 与 stress 验证脚本。
2026-06-03 CLI element index 容错 手写 open-computer-use call JSON 时,element_index 写成数字也能正常点击、滚动或设置值,不再因为 JSON 数字类型被误认为缺少索引。 发布 0.1.52,macOS Swift dispatcher 与 Windows / Linux Go runtime 统一把整数型 element_index 规范化为字符串,同时继续拒绝空值和小数,并同步测试、skill 示例和 history。

2026-05

日期 功能域 用户价值 变更摘要
2026-05-20 macOS 权限完成态 已经完成 Accessibility / Screen Recording 授权后,权限引导浮层会根据当前运行进程的真实 preflight 状态及时退出,不再因为 stale TCC path 查询结果继续悬浮。 发布 0.1.51,PermissionDiagnostics.current() 合并 TCC 持久授权与 runtime preflight 正信号,并新增本机端到端脚本覆盖 doctor 已 granted 时 onboarding 快速退出的路径。
2026-05-13 macOS 点击与输入稳定性 飞书 / Lark 会话列表点击不再误触右侧“完成”动作,中文、emoji 等富文本输入更稳定;同时 Chrome/GitHub 这类普通浏览器页面的 container/link 点击保持原有行为不退化。 发布 0.1.50,macOS type_text 按 grapheme cluster 批量投递 Unicode,并在 Electron 可设置输入框上优先写 AXValue;点击链路增加 synthetic row 左侧安全锚点、side action 过滤和 Electron-scoped 行级 AXPress 优化,同时用 Chrome/GitHub pinned repo 对照验证避免浏览器 WebArea 退化。
2026-05-11 macOS 文件选择弹窗 上传/打开文件弹窗里右侧文件列表现在可被读取和点击,选择图片后 Open 按钮能正常触发,不再只能操作左侧目录。 发布 0.1.49,macOS AX snapshot 补上 AXContents / AXVisibleChildren 遍历,coordinate click 优先选择原生 AXList 子项,并让截图窗口在重叠 sheet 场景下优先绑定前台 open panel;补对应单元测试和 history。
2026-05-08 MCP 结果大小控制 Chrome / Electron 等复杂窗口返回截图时更不容易触发 Codex 的大结果降级,历史记录和上层工具消费里会继续保持正常的 text + image 结构,而不是把整个 MCP result 塞进 text 字符串。 发布 0.1.48,macOS ScreenCaptureKit 截图在编码为 MCP image block 前会按最大尺寸和目标字节数自适应缩小,并补测试锁住大图压缩、小图保真路径。
2026-05-08 Smoke 测试静默运行 开发者运行 ./scripts/run-tool-smoke-tests.sh 时不再被内部 fixture 的橙色测试窗口打断,回归验证更安静,也不会让用户误以为桌面上弹出了额外应用。 发布 0.1.47,smoke suite 默认以 headless 模式启动内部 fixture,并保留 fixture 在 list_apps smoke 路径里的可发现性。
2026-05-07 窗口不可用错误文案 Lark / Chrome 等 no-window 场景下,开源版 get_app_state 的返回文本与官方 computer-use 当前输出一致,减少上层 prompt、测试和用户排查时的差异噪音。 发布 0.1.46,将 missing AX window 和 missing visible CGWindow 两条路径统一为 Apple event error -10005: cgWindowNotFound,并补单元测试锁住该官方风格文本。
2026-05-07 可见窗口匹配 get_app_state 在 app 没有可见窗口、窗口已最小化,或 AX 窗口无法匹配到 on-screen CGWindow 时会更接近官方 computer-use 的 cgWindowNotFound 语义,避免返回没有截图坐标基础的半残状态。 发布 0.1.45,基于官方 1.0.770 逆向字符串中的 cgWindowNotFound、noWindowsAvailable、matchingWindowNotFound 和 AXWindowMiniaturized 线索,要求真实 app snapshot 同时满足未最小化 AXWindow 与可见 CGWindow。
2026-05-07 无可用窗口状态对齐 当 Lark / Feishu 这类 app 暂时没有可用 AX 窗口时,get_app_state 会明确返回不可用错误,不再输出只有 application / menu bar 的误导性树,后续工具不会拿到不可操作的 element index。 发布 0.1.44,对 focused window 和 first window 候选做 AXWindow 角色过滤,并要求真实 AX window 才渲染 accessibility tree;该行为与官方 computer-use 在相同 Lark 状态下的失败语义对齐。
2026-05-07 WebArea 状态树结构 Feishu / Lark 这类 Electron app 的 HTML 内容 区域会保留更接近官方 computer-use 的浅层 layout container 和分支结构,减少过度扁平化,便于后续按上下文定位消息、公告和输入区域。 发布 0.1.43,基于官方 computer-use 1.0.770 对比和二进制字符串线索调整 WebArea generic wrapper elision:保留浅层容器和深层分支容器,同时继续压缩深层单子链噪声。
2026-05-07 Electron 状态树细节对齐 Feishu / Lark 消息列表里带头像或图片的紧凑行更接近官方 computer-use,会保留 container -> text + image 结构,后续点击和读树时更容易定位图片子节点。 发布 0.1.42,在短文本摘要容器含 image descendant 时将摘要渲染成 synthetic child text,并保留最多四个 image 子节点;补充 Lark 对比采样和单元测试。
2026-05-07 Electron 状态树对齐 Feishu / Lark 这类 Electron app 的 get_app_state 更接近官方 computer-use:消息列表、聊天输入框、侧边栏、菜单栏和 WebArea URL 会同时保留,内部图片资源 URL 不再泄漏到可读树里。 发布 0.1.41,结合官方 app 逆向线索启用 Electron accessibility 模式,调整 AX 遍历去重、短文本合并、menu bar 渲染、boolean tab 和 image/WebArea 格式,并补充 Feishu 对比验证。
2026-05-07 Feishu / Electron 状态稳定性 Feishu 这类 Electron/WebView app 的 get_app_state 更容易返回可操作的消息内容和输入框,不再只给截图却缺 UI tree 关键节点;截图捕获异常时也不会卡住整个状态读取。 发布 0.1.40,放宽 macOS AX tree 深度预算,压缩空 wrapper、过滤 AXScrollToVisible 和空字符串噪音,并为 ScreenCaptureKit 截图增加超时;同时让 smoke suite 直测当前构建产物。
2026-05-07 macOS app 安全边界 Chrome、终端、Atlas 和系统组件不再被硬编码 denylist 拦住,常规 app 自动化路径更少误伤;密码管理器仍保持内置阻止。 发布 0.1.39,将 macOS AppSafetyPolicy 收缩到 1Password、Bitwarden、Dashlane、LastPass、NordPass 和 Proton Pass,并同步测试、架构和安全文档。
2026-05-06 npm 安装后的 app-agent 启动 npm install -g open-computer-use 后,open-computer-use doctor 不会再因为本机残留旧 staging .app 而启动错副本并超时。 发布 0.1.38,当当前进程已经来自合法 Open Computer Use.app bundle 时,代理启动优先复用正在执行的 bundle,再回退到 LaunchServices / 标准安装目录发现的其它副本。
2026-05-06 macOS 权限身份 macOS 用户重新安装新版 npm 包后,只需要授权 Open Computer Use.app,不再要求给 iTerm / Terminal 单独授予 Accessibility 或 Screen Recording。 发布 0.1.37,将 mcp、doctor、call、snapshot 和 list-apps 通过 LaunchServices 启动的 app-agent 执行,让真实 AX / ScreenCaptureKit 调用落在 .app 权限主体上,并同步更新权限文案和版本源。

2026-04

日期 功能域 用户价值 变更摘要
2026-04-23 Linux Codex MCP 安装 Linux 用户现在可以按 npm i -g open-computer-use、open-computer-use install-codex-mcp、codex 的路径接入,不再手动编辑桌面 session 的 D-Bus / display 环境变量。 发布 0.1.36,Linux runtime 在启动 AT-SPI bridge 前会动态发现当前用户的 /run/user/<uid> session bus 和 display / Wayland 环境,Codex 配置继续保持 open-computer-use mcp。
2026-04-23 三端 npm 安装 npm i -g open-computer-use 现在会根据当前 os-arch 调用对应的 macOS .app、Linux binary 或 Windows .exe,不再把 npm 分发锁死在 macOS。 发布 0.1.35,三个既有 npm 包都会内置 macOS、Linux、Windows runtime,由跨平台 Node launcher 选择 native runtime;0.1.34 的新增 platform package 方案因 npm 包名权限失败后被 supersede。
2026-04-22 Gemini / opencode MCP 安装 Gemini CLI 和 opencode 用户现在也能像 Claude Code / Codex 一样用仓库内置命令完成 open-computer-use 的 MCP 接入,不需要再手动查各自配置格式。 发布 0.1.33,新增 install-gemini-mcp 和 install-opencode-mcp,将 npm launcher、README 与共享配置 helper 一并补齐,并让 Gemini 默认 project-scope 配置不会污染仓库 git 状态。
2026-04-22 发布版本重新对齐 GitHub Release tag、插件 manifest 和仓库内版本常量重新回到同一个版本线;后续本地安装、staging 和诊断不会再出现 “release 已是新版本,但产物仍显示旧值” 的混乱状态。 发布 0.1.32,在远端 v0.1.31 已存在的前提下,将 plugin.json、Swift 版本常量、smoke/test 初始化请求和 CLI helper 文档统一 bump 到 0.1.32,为下一次 release 保持单一版本源。
2026-04-22 视觉光标落点与空闲态收口 Retina 窗口里的坐标点击更准确,visual cursor 在等待下一次动作时也更稳定、更接近官方观感。 发布 0.1.31,修复 screenshot pixel 到 window point 的映射,避免 click({x,y}) 在高分屏上点偏;同时把 idle cursor 收敛为 30 秒停驻、保持压在目标窗口之上,并将等待态改成 anchored tip + tiny rotate wobble。
2026-04-22 Windows runtime 预览与发版说明 Windows 用户和后续开发者现在有了实验性 Computer Use runtime 起点;每次 GitHub Release 也会保留面向用户的变更摘要,不再只留下 changelog 链接。 发布 0.1.30,新增实验性 Go/PowerShell Windows runtime、构建脚本和文档;同时明确 release agent 在 bump 版本后必须检查 GitHub 自动 release notes,必要时手动补 What's Changed。
2026-04-22 click 定向 fallback 当目标 app 的 Accessibility 点击链路不完整时,click 现在会先尝试定向发送鼠标事件,不会立刻抢走用户真实鼠标;Finder 侧边栏这类场景也更容易真正点通。 发布 0.1.29,补上 click 的 AX -> pid-targeted mouse event -> optional global pointer fallback 顺序,优先尝试 AXPress / AXConfirm / AXOpen、子孙点击候选和命中点附近 hit-test,再把全局物理指针保持为显式 opt-in 的最后兜底。
2026-04-22 软件光标移动速度 click / set_value 的 overlay cursor 默认移动速度不再显得过快,和 Cursor Motion 默认档及官方 spring endpoint-lock 时间保持一致。 发布 0.1.28,移除 runtime 里旧的距离压缩时长公式,默认 move 直接使用已恢复出的 response=1.4 / dampingFraction=0.9 / dt=1/240 close-enough 时间 343 / 240 = 1.4291667s,并补回归测试和逆向文档。
2026-04-22 Computer Use 工具对齐收口 9 个 Computer Use tools 的 schema、错误语义和默认非侵入输入路径进一步贴近官方;press_key 支持更多 xdotool alias。 发布 0.1.27,收口剩余工具 checklist:perform_secondary_action invalid action 错误改为官方形态,fixture Raise 不再准备全局物理指针输入,press_key 补齐 BackSpace、Page_Up、Prior / Next、F1...F12 和常见 KP_* alias,并把 execution plan 进度项具体化。
2026-04-22 Computer Use 操作连续性 连续 click / set_value 不再反复从左下角 fresh cursor 起步,任务结束时也能显式清理 overlay;scroll / drag 默认路径进一步避免移动用户真实鼠标。 发布 0.1.26,基于官方 bundled app 复查把 visual cursor 改成约 5 分钟 idle 保留并接入 turn-ended 清理,同时将 scroll.pages 对齐为 number schema、required string 空值按 missing 处理,并把 scroll / drag 默认 fallback 改为 pid-targeted event。
2026-04-22 set_value 可设置边界 set_value 对 Sublime 这类不可直接设置的文本区域会返回清晰的 non-settable 错误,不再暴露底层 -25200。 发布 0.1.25,按官方 bundled app 的 settable accessibility element 语义,在写入前检查 AXUIElementIsAttributeSettable(kAXValueAttribute),不可设置时不退到键盘、剪贴板或未公开文本替换接口。
2026-04-22 click 非侵入默认行为 click 的 AX 失败路径不再默认移动用户真实鼠标,多次点击也会优先复用可用的 AX action。 发布 0.1.24,基于官方包 click/EventTap 逆向结果,将全局物理指针 fallback 改成 OPEN_COMPUTER_USE_ALLOW_GLOBAL_POINTER_FALLBACKS=1 显式 opt-in,并修正 click_count > 1 直接落入全局鼠标路径的问题。
2026-04-21 CLI tool 编排 不接 MCP client 时也能直接通过 open-computer-use call 调用 9 个 Computer Use tools,并能用 JSON 数组在同一进程里编排连续动作。 发布 0.1.23,新增原生 call 子命令、共享 MCP/CLI tool dispatcher、--calls / --calls-file 序列执行和相关文档测试。
2026-04-21 软件光标运行时朝向 软件光标首次出现和移动时的可见朝向更贴近官方行为,上行、转向和落点姿态不再出现坐标系翻转造成的违和感。 发布 0.1.22,修正 runtime overlay 在 AppKit 全局坐标与 Cursor Motion y-down screen state 之间的速度/朝向转换,并补充回归测试锁定首次 (0,0) 起点和 render rotation 关系。
2026-04-21 软件光标视觉一致性 click / set_value 期间显示的软件光标更接近 Cursor Motion 的参考渲染,首次出现、移动朝向和正式 app icon 的视觉边界更稳定。 发布 0.1.21,把 runtime overlay 切到共享的程序化 glyph renderer,修正初始朝向和 runtime 绘制方向,并同步收口 Open Computer Use app icon 的安全边距。
2026-04-20 安装器宿主依赖 open-computer-use install-codex-plugin 不再额外依赖 rsync,插件安装路径更接近“只要 npm/Node 已可用就能跑”。 发布 0.1.20,把 plugin installer 里复制 plugin 目录和 .app bundle 的实现从 rsync 改成 Node cpSync,继续收口 open-computer-use 的安装器运行时前提。
2026-04-20 安装器运行时依赖 open-computer-use 的一键安装命令不再因为系统 Python 版本太旧而失败,npm 全局安装后的首次接入路径更稳定。 发布 0.1.19,移除 install-claude-mcp、install-codex-mcp、install-codex-plugin 对 python3 / tomllib 的运行时依赖,统一改为随 npm 包分发的 Node helper 处理配置读写。
2026-04-20 macOS 分发签名与公证 Cursor Motion 的下载 .dmg 现在补齐了 Apple notarization 要求的 hardened runtime,release 链路离标准 macOS 分发更近了一步。 发布 0.1.18,修复 Cursor Motion.app 在 notarization 前缺少 hardened runtime 的问题;Developer ID 签名现在会显式启用 codesign --options runtime,用于新的 release 重跑。
2026-04-20 macOS 分发签名与公证 Open Computer Use 的 release .app 已经能走统一的 Developer ID Application 签名链,Cursor Motion 的公证工作流与演示视频入口也已接入仓库。 发布 0.1.17,接通 Developer ID Application 证书导入、统一签名和 Cursor Motion 的 notarization 工作流,README 也补了 Cursor Motion 的演示视频入口;但该版本的 Cursor Motion .dmg 仍因缺少 hardened runtime 未通过 Apple notarization。
2026-04-20 Open Computer Use 开发态身份 本地 debug/dev 调试构建不再和正式发布版在系统权限列表里混成同名对象,开发授权与正式分发边界更清楚。 发布 0.1.16,CI release 回退到原来的 ad-hoc 打包路径,不再要求 GitHub Actions 导入开发证书;本地非 release 构建统一改成 Open Computer Use (Dev).app 和 com.ifuryst.opencomputeruse.dev,权限发现也会在 dev 运行态优先绑定当前 dev app。
2026-04-20 Open Computer Use 权限身份 从 npm、brew、DMG 或本地构建安装后,Open Computer Use.app 的权限身份现在更容易收口到同一条签名链,不会再默认把 npm 路径当成唯一稳定授权目标。 发布 0.1.15,给 Open Computer Use.app 的打包链路补上统一 codesign 入口,CI release 支持通过 GitHub Actions secrets 导入证书后统一签名;权限发现也改成按 bundle identity 搜索当前运行副本、/Applications、npm 和 Homebrew 安装位置。
2026-04-20 Cursor Motion 打包一致性 Releases 里的 CursorMotion.dmg 现在会和 swift run CursorMotion 更一致,不再因为缺少官方 cursor 资源而退回更锯齿、朝向也更差的 fallback glyph。 发布 0.1.14,修复打包 .app 时没有把官方 official-software-cursor-window-252.png 带进 bundle 的问题;Cursor Motion 现在会优先从 Bundle.main 读取这张图,DMG 打包脚本也会把它复制进 Contents/Resources,并显式打开高分屏渲染。
2026-04-20 Cursor Motion 与发版链路 Cursor Motion 作为独立 demo 的命名和入口更统一,同时 release tag 现在可以直接产出可下载的 macOS .dmg。 发布 0.1.13,把 StandaloneCursorLab 统一更名为 Cursor Motion / CursorMotion,同步中英文 README 与架构文档,并新增 tag 驱动的 CursorMotion-<version>.dmg GitHub Releases 发布链路。
2026-04-19 权限浮窗细节收口 Allow 后的引导浮窗动效更连贯,且在系统设置窗口稳定后能自动落到正确位置,不需要用户手动点一下再归位。 发布 0.1.12,补齐权限 panel 的 source-to-target 入场动画、返回按钮,以及动画结束后的持续 re-anchor,修复 release workflow 因 npm 版本仍停在 0.1.11 而发布失败的问题。
2026-04-18 权限浮窗与文档入口 第一次冷启动系统设置时权限浮窗能直接出现,仓库根目录也重新补回中文文档入口。 发布 0.1.11,修复首次 Allow 冷启动 System Settings 时辅助浮窗需要切窗后才显示的时序问题,并新增根目录 README.zh-CN.md 承载中文说明。
2026-04-18 权限身份与 onboarding npm 安装后的权限身份更稳定,已授权用户不会被重复弹窗打扰。 发布 0.1.10,统一 bundle identifier 为 com.ifuryst.opencomputeruse,让权限检测兼容路径型 TCC 记录并优先认 npm 全局安装后的 app;同时让 doctor / 默认启动在权限齐全时不再弹出 onboarding,完成授权后自动关窗。
2026-04-17 发布稳定性 release workflow 不再因为 Xcode 26 的 CoreFoundation 类型检查而在构建阶段提前失败。 发布 0.1.9,修复权限引导窗口里 AXUIElement 属性读取在 macos-26 / Xcode 26.2 下的编译错误,恢复 npm release artifact 构建链路。
2026-04-17 权限引导与安装 权限授权浮窗在 Allow 后不再掉到屏幕底部,且仓库继续提供稳定的一键安装/发布版本。 发布 0.1.8,收口 System Settings 跟随 panel 的定位修复,并同步更新插件、CLI、smoke/test 与发布文档中的版本号。
2026-04-08 模板仓库 提供了一套可直接用于新项目启动的 Agent-first 基础模板。 补齐了 AGENTS 入口、execution plan、history、release note、CI/CD 和供应链安全骨架。
2026-04-17 开源 computer-use 提供了一版可本地运行、可回归验证的 Swift computer-use MCP server。 新增 Swift package、9 个 tools、fixture app、smoke suite、doctor/snapshot 诊断入口和对应架构文档。