做个小工具用说话的方式让 Mac 执行操作。比如「帮我在 YouTube 搜个 Python 教程」，它会自己打开浏览器、找到搜索框、输入、点击，不用你一步步告诉它怎么做。 原理是让大模型看屏幕截图（默认是 OCR/还有一些其他模型支持），然后决定下一步操作。做错了会自己调整。
挂个链接： https://www.bilibili.com/video/BV1NVBbBDE5K/?vd_source=c91cfe290c1aabe743bd9b89791e23cf
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。