- 文档首页
云手机
Computer Use Agent
产品简介
核心能力
核心能力
CUA 具备从“看懂屏幕”到“完成任务”的全链路能力,技术架构围绕「感知 → 规划 → 执行 → 反思」的闭环进行设计。通过视觉理解界面内容,自动将您的指令拆解为操作步骤,在真实桌面环境中稳定执行,并持续观察与调整,直至任务完成并返回结果。
- 视觉感知:融合实时截屏、OCR、DOM 及 Accessibility Tree 多通道信息,精准识别按钮、输入框、菜单项等 UI 元素位置与状态,在界面发生变化时,CUA 也可结合视觉、OCR 等信息重新识别界面,确保任务正常执行。
- 自主规划:基于多模态大模型进行 Plan → Act → Observe → Replan 闭环推理,将自然语言指令自动拆解为可执行的操作步骤序列,遇到意外情况自动调整策略,无需人工干预。
- 稳定执行:通过跨平台鼠标与键盘精准控制,覆盖 Web、Linux、Windows 全平台,支持点击、输入、窗口切换等多种操作一气呵成。
- 任务闭环:自动判断任务完成状态,返回执行结果与过程截图,支持异常重试。
- 安全隔离:运行在独立隔离的云端虚拟桌面中,敏感操作支持二次确认,不触碰本机数据,合规可审计。
- 技能沉淀:常用操作自动沉淀为可复用 Skill,越用越聪明,执行效率持续提升。
- 全程可观测:支持实时回放、步骤追踪、失败诊断与人工接管,全程透明可审计,问题一目了然。
最近更新时间:2026.09.23 20:57:48