Cua Driver 的稳定版来了,它冲的位置比"又一个 agent 工具"深得多——直接扎进操作系统里:为 Omarchy 打造 computer use 的新地基,从系统底层长出来的能力。
过去一个月他们与 dhh 等人一起,把一枚原生合成光标(synthetic cursor)送进了 Omarchy 的 Hyprland 合成器,实现了 OS 级的真·多光标 computer use;Cua Driver 开源:github.com/trycua/cua
"从底层长出来"这个位置选择值得拆解。此前 computer use 的主流做法是在系统外面搭一层:截图、模拟点击、隔屏指挥——能用,但始终隔着一层玻璃:光标是假的、输入是借的,应用层的检测与焦点管理随时可能拆台。
把光标做成合成器原生的,等于从"借用你的手"变成"系统认可的手":多条光标各就各位、互不串台,agent 操作与真人操作第一次在同一套输入体系里平起平坐。这与沙箱规范那篇是同一枚硬币的两面——一面在管"能做什么",一面在管"以什么身份做"。
多光标这个细节更见野心。单光标意味着同一时刻只能一个 agent 干活;多光标是把"并行操作"写进了输入层——几个 agent 同时各点各的,就像几个同事各用各的鼠标。今晚聊过十个项目并行、聊过共享世界里的实时协作,缺的正是这块底座:协作的上限,往往卡在输入通道的宽度上;通道一宽,前面聊的所有编排才有落脚的地方。
dhh 的参与也不像巧合。Omarchy 这套"把桌面环境极简化"的路子,本就是他近期押的方向之一;一个主张"系统应该简单到能被理解"的项目,接上"让 agent 以原生身份操作系统"的驱动——简单系统与自动化天然互相成全:系统越干净,agent 越不容易踩到暗处。
给想试的人一句落地的:先别上多光标——拿单光标跑一周基础任务(开关应用、填表、拖文件),重点看两类失败:焦点抢错(agent 的点击落到了别的窗口)和权限卡壳(系统不让它动)。这两类干净了,再谈并行;地基没稳就开多线程,只是把混乱复制了几份。













