核心用法
Clawd Cursor 是一款跨平台 AI 桌面自动化 Agent，采用创新的 四层流水线架构（Browser → Action Router → Smart Interaction → Accessibility Reasoner → Computer Use），将复杂任务智能分层处理。用户通过 npx clawd-cursor doctor 一键完成环境诊断与配置，随后以 REST API（localhost:3847/task）或本地交互方式驱动任务。
关键工作模式：
- Layer 1.5 智能交互层：浏览器任务仅需 1 次 LLM 调用（传统 Computer Use 需 18 次），实现 95% Token 成本节省
- 原生系统控制：Windows 通过 PowerShell/.NET UIAutomation，macOS 通过 JXA/AppleScript 直接操控 UI
- CDP 驱动：基于 Chrome DevTools Protocol 的高速浏览器 DOM 交互，无需付费 API
显著优点
1. 极致成本优化：Gmail 发邮件场景从 18 次 LLM 调用/162 秒降至 1 次/21 秒，成本降低约 95%
2. 模型中立：兼容 Anthropic、OpenAI、Kimi、Ollama 等任意供应商，支持 100% 本地离线（Ollama + Qwen）
3. 跨平台原生：Windows（.NET）与 macOS（JXA）双平台完整支持，非浏览器模拟方案
4. 自愈合架构：四层流水线自动降级（Layer 1 失败 → Layer 2 → Layer 3），配合 doctor 诊断工具
5. 隐私优先设计：截图仅存内存，默认不写入磁盘；Ollama 模式下零外部网络调用
潜在缺点与局限性
- Linux 暂不支持：UI 自动化与无障碍功能目前仅限 Windows/macOS
- 本地模型能力边界：Ollama 模式无法运行 Layer 3 Computer Use（需视觉模型）
- 权限门槛：macOS 需手动授予终端辅助功能权限，企业环境可能受 MDM 策略限制
- 安全确认机制：删除、发送等高风险操作需人工确认（Confirm 层），批量自动化受限
- 网络依赖（非 Ollama）：Layer 2-3 默认依赖云端 API，企业内网需白名单配置
适合人群
- RPA/自动化开发者：需要低成本替代传统 Computer Use API 的技术团队
- 隐私敏感用户：希望数据不出本地、支持完全离线部署的个人或企业
- 跨平台效率工具用户：需要在 Windows 与 macOS 统一自动化脚本的技术人员
- AI Agent 集成者：通过 REST API 将桌面控制集成至自有 Agent 系统的开发者
常规风险
| 风险类别 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| API 密钥泄露 | `AI_API_KEY` 高敏感度凭证 | 使用环境变量/密钥管理器，避免硬编码 |
| 屏幕数据暴露 | 截图传输至第三方 AI 提供商 | 优先使用 Ollama 本地模式；审查供应商数据处理条款 |
| 误操作风险 | UI 自动化可能导致非预期点击/输入 | 沙盒/VM 测试环境；严格利用 🟡Preview/🔴Confirm 安全层 |
| 本地服务暴露 | `localhost:3847` 仅绑定 127.0.0.1 | 避免 `--bind` 参数修改；防火墙限制入站 |
| 供应链风险 | npm 依赖与 GitHub 克隆来源 | 锁定版本校验；企业环境使用私有镜像 |
---
总体评估：Clawd Cursor 代表了桌面 AI Agent 的工程化创新方向，其分层架构在成本控制与功能完整性间取得显著平衡。对于能接受本地模型能力边界、具备基础 Node.js 环境的用户，是目前最具性价比的 Computer Use 替代方案。