让 AI 真正去“操作电脑”,而不是只给你步骤建议。
这个 Skill 现在已经能跑完整闭环:
截图 -> 解析 UI 元素 -> find/wait 定位目标 -> click/type/hotkey 执行 -> 再截图继续
它提供的能力:
- UI 截图解析(元素类型、文字、坐标、可点击状态)
- find:按 type/文本/正则找元素
- wait:等元素出现/消失再执行
- click / click-xy / type / key / hotkey / screenshot
- calibrate:多屏、DPI 、窗口偏移坐标校准
这个 Skill 可以直接安装到 OpenClaw ,让 OpenClaw 的 agent 调用它来控制电脑执行任务。
边界也说清楚:
- 需要 GUI 会话时,才可真实点击/输入/截图
- 无 GUI ( headless )下,可做解析、find/wait/calibrate ,但不能真实操作桌面
https://github.com/murongg/ui-element-ops