Native macOS computer use 这块，Maka-cu 的思路值得看：把 GUI 操作落在无障碍快照上，模型读的是结构化的界面树，而不是反复截图猜像素，执行层负责把动作真正落到系统上，减少视觉误识别带来的漂移。

比较适合的场景是固定在 macOS 里的桌面自动化，比如内部工具操作、表单填写这类界面相对结构化的流程。边界也明显：它只覆盖 macOS，跨平台桌面任务或高度视觉化的操作（看图、画布类软件）不是它的主场。

另外它 fork 自 open-codex-computer-use，想改执行策略的人可以直接在 fork 基础上动。还没跑出“堪比 codex 实现”效果之前，建议先拿可回放的固定任务做基准，别一上来就放量。

网页链接