DeskMind — Mac 本地运行的 Computer Use Agent

产品简介

DeskMind（得心）是一款开源的 Computer Use Agent（电脑操作智能体），能够在 macOS 上完全本地化地观察屏幕、规划下一步并执行操作。不同于云端付费的 Computer Use 方案，DeskMind 把"决策大脑"换成两个微调过的本地小模型（Qwen3.5 0.8B 和 4B，基于 MLX），0.8B 有把握就 0.5 秒决断，没把握再升级到 4B 重新判断（约 3.6 秒），整套决策循环只跑在用户自己的 Mac 上，不上传任何屏幕数据。所有代码采用 Apache-2.0 协议开源，包含 Eyes（屏幕识别）、Brain（决策）、Hands（执行）、Mac App 与公开 Bench 评测 8 个仓库。

核心功能

• 本机决策，无云端依赖：模型与推理均在 Mac 上运行，模型服务只监听 127.0.0.1，决策中位数 2.4–2.85 秒。
• System One 决策接口：把每一步变成"选择题 + 概率打分"，任意 agent 都可通过 POST /v1/systemone 接入。
• 0.8B → 4B 自动路由：0.8B 没把握自动交给 4B；任务有歧义时主动询问用户，避免盲目操作。
• 安全护栏：边做边显示每一步；涉及发送/删除/付款/发布前会先请求用户确认；⌘. 一键停止；用户碰鼠标/键盘即暂停。
• 公开 Bench：39/39 次真机运行零误报完成；JevBench 公开题 0.835 分（4B、231 题），全部带样本量与方法学说明。
• 模型自动镜像：默认从 Hugging Face 下载，失败时自动切换 ModelScope 国内镜像。
• 多场景展示：自带 4 段真实录屏演示，覆盖订单匹配、跨 App 写 CSV 等常见桌面任务。

特色优势

• 完全本地化：决策数据不离开 Mac，符合对隐私敏感的工作场景。
• 真实落地，而非演示级：开发者用 M4 Pro 48GB 跑出 39/39 真实任务零误报完成。
• 全栈开源：Eyes/Brain/Hands/Mac App 与 Bench 全部 Apache-2.0，模型权重遵循基座模型卡条款。
• 失败可中断：每步可视化 + ⌘. 停止 + 鼠标即暂停，比云端 agent 更可控。
• 0.8B/4B 分级路由：在速度与可靠性之间找到工程平衡，无需 70B 大模型。

适用人群

• 需要自动化桌面操作的 macOS Apple Silicon 用户。
• 对屏幕数据隐私敏感的办公族（数据完全本机）。
• 研究 Computer Use Agent 的工程师与学者（公开 Bench 与代码）。
• 想把 AI 操作能力接入自有应用的产品经理（System One API）。
• 个人开发者想体验开源 agent 而不想付费 Claude/ChatGPT 桌面端。

出品方

DeskMind 由独立开发者/团队 deskmind-ai 在 GitHub 开源，主页 https://deskmind.dev/zh ，代码 https://github.com/deskmind-ai/deskmind。训练基座为 Qwen3.5 0.8B / 4B，使用 MLX 推理框架。模型权重通过 Hugging Face / ModelScope 镜像分发。

更新动态

• 已发布 0.8B + 4B 双模型，发布版模型 38/39 真机任务通过。
• 提供 Mac App 下载（macOS 15+、Apple Silicon、约 380MB App + 5.3GB 模型）。
• Bench v25：13 个任务 × 3 次运行 = 39 次，公开样本量与评测脚本。
• 4 段端到端真实录屏已发布，含"两笔 Lisa Wong 订单谁是谁"等真实案例。
• 提供 FAQ 与快速上手文档，更新日志定期同步。

官网链接

• 官网：https://deskmind.dev/zh/?ref=v2ex
• GitHub：https://github.com/deskmind-ai/deskmind
• 开发日志：https://deskmind.dev/zh/blog/launch?ref=v2ex
• 快速上手：https://deskmind.dev/zh/docs
• 更新日志：https://deskmind.dev/zh/changelog
• 常见问题：https://deskmind.dev/zh/faq
• Hugging Face：https://huggingface.co/deskmind-ai