Agent Click
Agent click 指 AI agent 在后台操控原生桌面应用的能力,可以点击、输入、滚动、读取,全程不抢占用户的光标、窗口焦点或当前 Space。这是 OS 层专门为大模型自动化设计的一类新交互原语。
这个概念在 2026 年 4 月 28 日成型:trycua 把 Cua Driver 发到 Hacker News,项目介绍是「一个 macOS 后台计算机操控驱动,让 agent 点击、输入、滚动、读取原生 app 的同时,你的光标、前台 app 和 Space 一动不动」。底层机制是通过 Apple 私有的 SkyLight SLEventPostToPid API,把 agent 事件直接路由到目标进程。
就像多了一双看不见的手,在你没盯着的那些 app 里替你操作。
比所有人早 7 天看到 nascent 新词,解锁全部阶段筛选,并获得每周提前预警。
搜索热度
-
萌芽0–7 天
-
初现8–30 天
-
验证中 ← 当前31–90 天
-
上升91–180 天
-
成熟180 天以上
为什么是现在火?
大模型识别 GUI 的能力现在已经足够稳定,可以驱动真实应用了。但现有方案都要抢你的鼠标。Cua Driver 在 4 月 28 日的 Show HN 上把「后台 agent 控制」做成了一等公民:Claude Code、Codex,或任何支持 MCP 的 agent 循环,都可以点击 macOS 原生 app,同时你照样继续干自己的活。
前景
未来 6 个月的信号走势和商业化节奏。
后台 agent 控制确实填补了一个真实空白,但后续走向取决于 Apple 是正式开放还是封掉这个私有 API。
风险 · Apple 随时可以在 macOS 更新里收回 SLEventPostToPid 的访问权限,一旦如此,要么强制全部重写,要么这条路就直接断了。
类比 · computer-use · browser-use · desktop automation
-
现在MIT 开源,暂无营收
没有直接收入;早期用户基于这个免费 driver 构建内部自动化工具。
-
3-6 个月托管后台 agent 服务
按 agent 后台桌面控制时长计费的 SaaS 封装开始出现。
-
6-12 个月企业审计与合规
付费档位加入操作日志,满足合规团队追溯「agent 为什么点了这里」的需求。
“Agent Click” 的竞争与机会
信号来自追踪到的搜索词、这个词的变现卡片,还有它的相关词。除标注“实测”的 Google KD 外均为启发式,仅供参考。
“Agent Click” 能做的点子
把这个词做成文章、网站、产品、帖子、邮件、视频或课程,随便挑一张卡片就能开干。
高意图对比搜索词。Browser-use 已经有很多内容;用 Cua Driver 这类工具做原生 app agent 控制还是内容空白。这类对比文章可以靠托管 agent 平台的联盟链接变现。
瞄准「agent macOS 自动化」长尾搜索词的常青教程。手把手走一遍 Cua Driver 接 Claude Code 或 Codex 的配置步骤。可以靠云桌面沙盒联盟链接变现。
HN 高赞评论点出了合规空白:当 agent 点击 ERP 系统时,怎么向合规团队解释「为什么点这里」?一个把 agent 意图和点击坐标一起录制、可回放的轻量日志工具,戳中了企业端的真实痛点。
HN 多条留言都在问 Windows 支持。Codex Computer Use 有 Windows 计划但还没落地。跨平台后台点击库如果先填上这个空缺,有机会成为这个品类的标准。
可传播的演示视频,展示后台 agent-click 的实际效果;「光标纹丝不动」的体验,文字说不清楚,视频天然适合展示。左右分屏的实时画面,YouTube 封面点击率应该不低。
面向开发者 Twitter / LinkedIn 的观点文章,论点是:需要前台的 computer-use agent 是死路一条,后台 agent-click 才是生产级方案唯一能走通的路。
Cua Driver 用的是 SLEventPostToPid,一个 Apple 随时可以在系统更新里移除的 SkyLight 私有函数。现在已经有 15,000 个 GitHub star 压在这上面。
你见过的每一个令人印象深刻的 computer-use 演示,都要抢你的光标,演示视频里没问题,生产环境里用不了。
Cua Driver 发布时,一条 HN 评论说得直接:如果 Apple 一直封锁原生 agent API,Linux(和 Android)两年内就会成为 agent-click 工作负载的默认平台。
大家在搜什么
来自 Google Suggest 和 Trends 的长尾词。热度和竞争度是估算,仅供参考,未经核实。内容类型由搜索词的写法推断。
“Agent Click” 的搜索结果
现在搜索的人会看到的页面:自然结果在上,有人投广告就显示在那。广告多少是实时的商业化信号。
常见问题
什么是 Agent Click?
Agent click 指 AI agent 在后台操控原生桌面应用的能力,可以点击、输入、滚动、读取,全程不抢占用户的光标、窗口焦点或当前 Space。这是 OS 层专门为大模型自动化设计的一类新交互原语。
Agent Click 为什么现在火?
大模型识别 GUI 的能力现在已经足够稳定,可以驱动真实应用了。但现有方案都要抢你的鼠标。Cua Driver 在 4 月 28 日的 Show HN 上把「后台 agent 控制」做成了一等公民:Claude Code、Codex,或任何支持 MCP 的 agent 循环,都可以点击 macOS 原生 app,同时你照样继续干自己的活。
Agent Click 是什么时候出现的?
约于 2026-04-28 公开出现(截至 2026-07-13 约 76 天前)。EarlyTerms 最早于 2026-04-29 记录到信号。
相关词
同一领域里的其他词:别名、子类、竞品,以及值得接着看的邻近词。
- 属于 agent-loop Agent loop 是每个自主 LLM agent 的控制流核心:模型读一遍上下文,决定下一步怎么做,调工具,拿结果,再循环——直到输出纯文本不再调工具,或被预算规则切断。规范实现大概九行 Python。 →
- 相关 browser-use Browser Use 是一个开源 Python 库(browser-use/browser-use),让大模型直接驾驶真实的 Chrome 完成网页任务:点击、滚动、填表、提取内容,每走一步都把页面状态回传给模型。它是 agent 框架与浏览器之间的事实标准… →
- 相关 Browser Harness Browser Harness 是 browser-use 团队写的一个 592 行 Python 项目,让大模型通过 DevTools Protocol 直接操控 Chrome。一条 WebSocket 连接,没有… →
- 相关 agent-harness Agent harness 是大模型和真实世界之间的那层中间件,负责跑 agent 循环、调工具、管记忆、守护栏、从错误里恢复。圈子里现在流行一个公式:「Agent = 模型 + Harness。你不是模型,你就是 harness。」 →
- 相关 Agent Harness Agent harness 是大模型和真实世界之间的那层中间件,负责跑 agent 循环、调工具、管记忆、守护栏、从错误里恢复。圈子里现在流行一个公式:「Agent = 模型 + Harness。你不是模型,你就是 harness。」 →
- 相关 managed-agents Managed Agents 是云平台托管并运行 AI agent 的基础设施模式。开发者以前要自己搭 agent 循环,记忆管理、工具路由、状态控制、沙箱隔离、错误恢复,全部自己处理;现在这些都由平台打包成 runtime 服务。 →
- 相关 model-context-protocol Model Context Protocol (MCP) 是基于 JSON-RPC 2.0 的开放标准,定义了 AI… →
- 相关 agentic-coding Agentic coding 是让 AI agent 自主完成开发任务的工作方式:agent 自己规划、写代码、跑测试、读报错、修改,一轮轮迭代直到跑通,不需要人在每一步之间点头。这和 autocomplete 式的「AI pair… →
- 相关 coding-agents Coding Agents 是一类 AI 编程工具的品类名。这类工具能自主完成代码工作:读仓库、想改法、改文件、跑测试、开 PR,而不是像 2021 年那批 copilot 只在光标处补几行。 →
- 相关 dev-agents Dev Agents 是一个边界较松的统称,指代替开发者写代码、review 代码、上线代码的 AI agent,和更常见的 coding agents 含义高度重叠。到了 2026 年,这个词实际上同时指向三件事:这个品类本身、Atlassian 的 Rovo… →
- 相关 claude-code Claude Code 是 Anthropic 官方的命令行编程 agent,在终端里跑:读你的代码库、改文件、执行命令、发 PR、用自然语言驱动跑得起来的工程工作流。它以 `@anthropic-ai/claude-code` npm 包的形式发布,同时附带 VS… →
- 属于
来源
这份报告引用的一手链接,点开任意一条都能自己核对。