> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # CUA- Computer Use开源平替 - URL: https://www.hubwiz.com/blog/cua-open-source-alternative-to-computer-use/ - Published: 2026-02-07T13:35:03.000Z - Updated: 2026-02-07T13:35:03.000Z - Description: 构建一个可以代表你执行任务的计算机使用智能体。使用OpenAI的CUA模型创建一个在本地机器上运行的AI智能体…… - Author: admin - Tags: AGENT, CUA, #Import 2026-10-14 14:41 我和许多人一样，看到了OpenAI展示他们**Operator**实现的计算机演示。让我兴奋的是，Operator使用了一个CUA模型，[计算机使用智能体](https://openai.com/index/computer-using-agent/?ref=hubwiz.com)（CUA）模型。 这是模型多模态能力如何通过视觉和在浏览器内解释GUI而不断扩展的一个很好的例子。 目前我没有访问Operator的权限，但想基于CUA模型构建一个演示应用程序，在那里我问一个简单的问题，AI智能体就会打开浏览器来寻找答案。 计算机使用工具和模型可以通过Responses API访问。 本质上，CUA模型会检查计算机界面的屏幕截图并建议要采取的操作。 更准确地说，它会发出带有指令的computer\_call，例如click(x,y)或type(text)，然后你必须在你的环境中执行这些操作，然后提供结果的屏幕截图。 在[这个视频](https://miro.medium.com/v2/resize:fit:2000/format:webp/1%2AHrx13maIi8iFQo1TT5runA.gif?ref=hubwiz.com)中，我让AI智能体获取开普敦、达累斯萨拉姆的天气，以及查看苹果股价…… ![](https://www.hubwiz.com/blog/content/images/2026/02/image-43.png) ***考虑到上面的图片，以下是如何以简单的步骤将计算机使用工具添加到你的应用程序中：*** 用户向模型发送请求 **(1)，(2)**在工具列表中包含计算机工具，同时包含显示大小和环境详细信息。你可以在第一个请求中附加起始状态的屏幕截图。 获取模型的响应， **(3)在回复中查找任何computer\_call项目。这些建议操作如(4)** 点击、输入、滚动或等待，以向目标前进。 执行操作， **(5)使用代码在计算机或浏览器(6)**上执行建议的操作。 拍摄新的屏幕截图， **(7)**在操作后，将更新后的环境捕获为屏幕截图。 重复：发送一个包含更新后屏幕截图的新请求作为 **(7回到1)** computer\_call\_output，然后继续，直到模型停止建议操作或你选择停止。 再次强调，在MacBook上，你可以使用终端应用程序执行所有任务…… ![](https://www.hubwiz.com/blog/content/images/2026/02/image-44.png) 从终端命令行，创建一个虚拟环境……我将虚拟环境命名为`cua`。 ``` python3 -m venv cua ``` 然后激活虚拟环境…… ``` source cua/bin/activate ``` 你会看到命令行提示符发生了变化，显示你现在处于虚拟环境中。 ![](https://www.hubwiz.com/blog/content/images/2026/02/image-45.png) 从GitHub克隆OpenAI演示项目…… ``` git clone https://github.com/openai/openai-cua-sample-ap ``` 输入命令后，系统会提示你输入GitHub用户名，然后输入密码。 对于密码，你需要输入在GitHub用户设置中找到的访问令牌。在这里阅读更多： [Managing your personal access tokens - GitHub Docs](https://docs.github.com/en/authentication/keeping-your-account-and-data-secure/managing-your-personal-access-tokens?ref=hubwiz.com) 你会看到创建了一个新文件夹，如下所示，包含文件和文件结构。 ![](https://www.hubwiz.com/blog/content/images/2026/02/image-46.png) 运行下面的命令来安装所有需求…… ``` pip install -r requirements.txt ``` 为你的OpenAI API密钥创建一个环境变量…… ``` export OPENAI_API_KEY= ``` 最后，使用下面的命令运行AI智能体…… ``` python3 cli.py --computer local-playwright ``` 你会看到提示符发生变化，并打开一个浏览器，现在你可以通过命令行与AI智能体对话。不需要浏览器交互…… ![](https://www.hubwiz.com/blog/content/images/2026/02/image-47.png) 下面，你可以看到我问AI智能体一个关于天气的问题…… ![](https://www.hubwiz.com/blog/content/images/2026/02/image-48.png) 你可以看到浏览智能体如何与浏览器交互…… ![](https://www.hubwiz.com/blog/content/images/2026/02/image-50.png) `computer-use-preview-2025–03–11`模型的响应在下面可见，在OpenAI仪表板中。 ![](https://www.hubwiz.com/blog/content/images/2026/02/image-51.png) 如果你点击其中一行，图片会显示模型的响应…… ![](https://www.hubwiz.com/blog/content/images/2026/02/image-52.png) Agent类可以使用常规函数模式作为工具，在调用时返回固定值。如果你包含与你的Computer方法匹配的工具（以及所需的工具），它们将被发送给你的Computer处理。 这在屏幕截图遗漏搜索栏或返回箭头等内容时很有帮助，这些内容可能会混淆CUA模型。 --- 原文链接: [How To Build An OpenAI Computer-Using Agent (CUA Model)](https://cobusgreyling.medium.com/how-to-build-an-openai-computer-using-agent-cua-model-b241825c537b?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处