跳转至

Claude Computer Use

最后更新：2026-04-24

Claude Computer Use（CU）是 Anthropic 2024-10-22 首发的"操作电脑" Agent 能力——Claude 直接看屏幕 + 控制鼠标键盘 操作任意软件。作为 API-first 产品（不是独立应用），面向开发者 / 企业集成。是 AI 历史上第一个商用级 Computer Use 产品，比 OpenAI Operator 早 3 个月。

一、产品定位

Claude Computer Use 是 "Claude 的 GUI 操作能力"——不是消费产品，是 API 能力：开发者通过 Anthropic API 调用 computer tool，让 Claude 操作自己或云端的电脑。定位 B 端 + 技术开发者，比 Operator / ChatGPT Agent 更通用（不限于浏览器）。

二、核心能力与架构

核心能力

  • Screenshot 屏幕
  • Click / type / scroll / key 动作
  • 任意软件（不限浏览器）：VS Code、Figma、Excel、Chrome、Terminal、任何 Native App
  • 坐标级精度：~10-20px 误差
  • Multi-turn 循环：看 → 动作 → 看 → 动作

底层

  • Claude 3.5 Sonnet V2（首发，2024-10）
  • Claude 4 Opus / Sonnet（2025 升级）
  • Vision 模型 专训坐标预测
  • Action API：click / type / scroll / key

API 调用示例

response = anthropic.messages.create(
    model="claude-opus-4",
    tools=[{"type": "computer_20250115", "name": "computer"}],
    messages=[{"role": "user", "content": "打开 Slack 给 @alice 发消息"}]
)
# Claude 返回 tool use: 
#   {"action": "screenshot"}
#   {"action": "left_click", "coordinate": [450, 300]}

三、版本与路线图

时间 里程碑
2024-10-22 Claude Computer Use 首发（Claude 3.5 Sonnet V2）
2024-12 企业客户 beta 扩大
2025-02 Claude 3.7 + Extended Thinking 集成
2025-Q3 Claude 4 Opus + CU：精度 + 速度提升
2025-Q4 集成到 Claude Code（"Claude 能操作你屏幕了"）
2026-Q1 API 价格下调 + 速度优化

四、定价与商业化

API 定价

  • Claude API tokens 标准计价
  • Vision 部分按 tokens 算
  • 每 action 包括 screenshot → 成本 ~$0.02-0.05
  • 100 步任务 ~$2-5

典型使用

  • 企业 RPA 替代：UiPath 任务用 Claude CU 实现
  • 测试自动化：QA 工具替代 Selenium
  • 数据搬运：legacy 系统间集成
  • Claude Code 集成（2025-Q4）：Coding + GUI 混合任务

代表客户

  • Anthropic 内部（很多内部工作流）
  • 数家 Fortune 500 B 端客户
  • 具体未公开（企业 NDA）

五、用户反馈

正面

  • "AI 真能操作电脑了"：2024-10 发布日震动
  • API-first 设计被赞：开发者可定制
  • 精度稳步提升：从 Claude 3.5 → 4，错误率下降 30%+

批评

  • 速度慢：每 action 3-5 秒
  • 成本高：企业级大规模部署太贵
  • Prompt Injection 脆弱：早期演示即有注入攻击
  • Mac / Linux / Windows 兼容性不一

HN / Reddit

  • "Claude CU 是 Agent 时代的 stdlib"
  • "代价是慢 + 贵，但能干的事多"
  • "OpenAI Operator 更易上手，但 Claude CU 更强大"

六、竞品对比

维度 Claude CU OpenAI Operator Google Mariner Browser Use
运行环境 任意 GUI 云 Chrome Chrome 扩展 自建
API-first ✅ ❌（ChatGPT 内） ❌ ✅
开源 ❌ ❌ ❌ ✅
OSWorld 分数 ~35% ~25%（浏览器） ~20% ~25%
价格 Token-based Pro $200/月 免费 beta 自托管
主要用户 B 端开发者 C 端 Pro 订阅 试验用户 开源开发者

七、使用笔记

最适合

  1. B 端自动化集成（Claude API 调用）
  2. RPA 替代（企业内 UiPath 替换）
  3. 测试工具（视觉 UI 测试）
  4. 数据搬运（多系统操作）

不太适合

  • C 端用户直接使用（没有消费 App）
  • 高频实时任务（速度慢）
  • 成本敏感项目（每步 $0.02-0.05）

关键安全

  • 强烈建议沙箱运行
  • 不要给 CU 访问敏感账户
  • Approval gates 必装

八、信息源