Computer Use 是 Anthropic 在 2024 年推出的能力，思路很直接：不给模型调 API，而是让它像人一样看屏幕截图、移动鼠标、敲键盘来操作电脑。每一轮模型拿到当前屏幕截图，决定下一步要点哪里、输入什么，执行完再截图确认效果，形成视觉加动作的闭环。

实测下来，靠不靠谱完全看任务类型。适合的场景有三类：一是跨多个没有 API 的老旧系统搬运数据；二是批量填表单、做软件冒烟测试这类重复性人肉操作；三是临时性的、为写一套自动化脚本不值得的任务。不适合的场景：对精度要求极高的财务操作、需要长时间无人值守的任务（中途弹窗、验证码都会打断流程）、对延迟敏感的任务（截图加推理一轮就要几秒）。

想让它稳定干活，有几条实操经验。第一，屏幕分辨率固定下来别乱变，坐标换算会漂移，换了分辨率等于换了世界。第二，指令拆成小步，每步只做一件事，成功确认后再走下一步，别指望它一次搞定十步流程。第三，关键步骤截图存档，方便事后回溯和排错。第四，涉及登录、支付、删数据的环节一律人工接管，这是底线。

最常见的失败是"看错按钮"：图标长得像、窗口被遮挡、界面语言变了，模型都会点错。一个土但有效的办法是，重要操作前让它先用文字描述"我要点的按钮长什么样、在屏幕什么位置"，描述对了再执行，相当于多了一道自检。

结论：Computer Use 不是用来取代 RPA 的，它补的是"没有 API 的系统"这块短板。把它当实习生用——能干活，学习能力强，但得有人盯着，出错了要能兜底。短期内最适合的形态是"人机协同"：Agent 做大部分的脏活累活，人负责关键节点的确认。