把握度跟随实际动作依赖
对有目标的动作，Decision.confidence 取动作和目标 confidence 的较小值；不相关答案不会降低其他动作的把握度。
查看对应来源 ↗代码仓库分析
typesafe-computer-use
用 OCR 和界面状态构造候选动作，让 Jev 决定如何操作 macOS，需要写文字时再调用文本模型。
E2 · 资料已核对已检查公开资料或源码证据；仅有固定提交链接并经对应源码核对，才可称固定版本核验。不代表本站运行过、认可性能或保证安全。
- Stars
- 937
- Forks
- 75
- 协议
- MIT
- 最近提交
- 2026-09-23
Jev 在这里做什么
从确定性提取的控件与动作中选择下一步，执行器操作桌面。
把屏幕读取、动作选择与文本生成分开。
README 的成本与速度对照来自作者限定截图与目标的测量，且部分推理由确定性代码补足；不能推广为通用降本倍数。
这个项目适合解决什么任务？
用 OCR 与辅助功能候选探索 macOS 操作，并把写文字交给独立模型。
资料分析日期：
从输入到动作
- 代码截屏，合并 OCR 和辅助功能项，再加入确定性控制选项。
- Jev 选择动作类别、站点，以及需要时的屏内或屏外目标。
- 文字由 writer 生成，另一次 Noul 检查输入后的字段值。
实现中值得检查的地方
dry-run 边界影响实际行为
README 将单步建议与驱动机器的 --act 分开。低把握度和连续无变化是停止条件，不能据此断言所有危险动作均被阻止。
查看对应来源 ↗选择建议
适合同时需要 OCR 和辅助功能信息的原生屏幕。面对 DOM 丰富的网站，先比较浏览器专用观察器，再接受截屏和焦点切换成本。
如何自行检查
阅读 decide.py 的 Decision.confidence 与 verify_typed：对点击比较两个把握度，对输入追踪额外 ok Noul；尝试前先核对 README 的 dry-run 与 --act 区别。
结论的适用边界
- 本站未复现 README 的成本倍数。
- 没有执行点击、输入或录屏。