核心用法
macos-desktop-control 是一个面向 macOS 的桌面自动化技能，采用语义控制与视觉控制分离的架构设计：
- AppleScript 层：负责应用生命周期管理（启动/激活/状态查询）和窗口元数据读取（标题、数量）
- 视觉控制层：基于截图→识别→操作的流水线，支持 OCR 文本定位、OpenCV 图像匹配、精确的鼠标键盘自动化
标准工作流：
初始化坐标映射 → 屏幕截图 → 目标定位(OCR/OpenCV) → 鼠标点击/键盘输入 → 结果验证
关键特性包括 Retina 显示屏的坐标自动校准（逻辑坐标 vs 物理像素）、Failsafe 安全机制（鼠标移至左上角中止自动化）、以及模块化的脚本管道设计。
显著优点
1. 架构清晰：明确区分 AppleScript（语义层）与 pyautogui（视觉层），避免 AppleScript UI Scripting 的脆弱性
2. 跨应用通用：不依赖特定应用的 Accessibility API，通过视觉识别实现普适的 UI 交互
3. 坐标系统一：自动处理 Retina 屏幕的 2x 缩放，所有操作默认使用逻辑坐标，消除坐标漂移问题
4. 原生 OCR 集成：基于 Apple Vision 框架，无需额外安装 Tesseract
5. 管道友好：脚本支持 stdin/stdout 串联，便于 shell 脚本和自动化工具集成
6. 安全设计：保留 pyautogui.FAILSAFE，提供物理逃生通道
潜在局限
- 权限门槛：需手动授予"屏幕录制"和"辅助功能"权限，首次配置存在摩擦
- 单屏限制：V1 仅支持主 Retina 屏幕，多显示器/外接屏/非 Retina 场景待扩展
- 视觉依赖：OCR 和图像匹配受界面主题、分辨率、缩放比例影响，可能存在识别失败
- 输入法会干扰：
write模式对中文/混合语言支持不佳，需回退到剪贴板粘贴方案 - 无深层 Accessibility：故意不支持 Accessibility Tree 遍历，某些复杂应用（如自定义渲染的 Electron 应用）的语义信息无法获取
适合人群
- 需要跨应用自动化工作流的技术用户（开发者、QA 工程师、效率工具爱好者）
- 构建 RPA（机器人流程自动化）系统的集成者
- 需要将 macOS 桌面操作纳入 CI/CD 或测试管道的团队
- 熟悉命令行和脚本编写，能够处理坐标计算、正则匹配等技术细节的用户
不适合：寻求零配置图形化自动化工具的普通用户；需要深度集成 macOS Accessibility API 的辅助功能开发者。
常规风险
| 风险类别 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| 权限管理 | 屏幕录制/辅助功能权限被拒导致功能失败 | 前置权限检查与清晰错误提示 |
| 坐标漂移 | 分辨率变更、窗口移动导致点击位置错误 | 每次流程重新截图定位，避免硬编码坐标 |
| 输入法干扰 | 中文输入时 `write` 模式产生乱码 | 强制使用剪贴板粘贴方案处理非 ASCII 文本 |
| 误操作放大 | 自动化脚本在错误窗口执行危险操作（如删除） | 实施视觉验证步骤，关键操作前二次确认 |
| 竞态条件 | UI 未就绪时执行点击导致失败 | 增加显式等待或轮询检测机制 |
整体而言，该技能在可控的技术债务下提供了务实的自动化能力，适合作为更高层应用特定技能的底层基础。