Anthropic 刚刚发布了真正的 Claude Bot……
作者：FancyPig | 发布时间： | 更新时间：
杂谈
Anthropic 刚刚推出了 Claude Computer Use，试图对抗 OpenClaw。但它究竟是一个颠覆性的突破，还是又一波被过度炒作的噱头？我们来实际测试一下。
视频讲解
Claude Computer Use：当模型开始直接操作你的计算机
过去几年，大模型主要停留在“理解与生成”层面：写代码、写文档、做分析，或者给出决策建议。但随着 Claude Computer Use 这一类能力的出现，系统边界发生了明显变化——模型开始从“提供答案”转向“执行任务”。
这不是简单的功能扩展，而是交互范式的变化。
从对话接口到执行接口
传统的人机交互，大致是这样的路径：
人提出问题 → 模型生成结果 → 人决定是否执行
而在新的模式下，路径被缩短为：
人给出目标 → 模型直接执行
这里的关键不在于“能做更多事”，而在于执行权发生了转移。
模型不再只是参与决策，而是进入实际操作流程，成为一个具备行动能力的执行单元。
操作系统成为新的“工具层”
以往的 Agent 系统，大多通过 API 调用外部服务来完成任务。但 Computer Use 的不同之处在于，它将“工具层”扩展到了操作系统本身：
应用程序成为可调用对象
文件系统成为可读写资源
浏览器成为信息入口
本地环境成为执行空间
这意味着，模型不再依赖预定义接口，而是可以在一个通用环境中完成任务。
从工程角度看，这是一次抽象层的下沉：
从“调用接口”变成“操作环境”
任务被重新定义
当模型具备操作能力之后，“任务”的定义也发生了变化。
过去，一个完整流程通常需要拆分为多个步骤，由人串联：
写代码
运行测试
提交代码
更新任务状态
现在，这些步骤可以被压缩成一个目标描述，由模型自行完成。
这类系统的核心能力不在于某一个动作，而在于：
理解目标
组织步骤
调用环境
持续推进
也就是说，重点从“单点能力”转向了“过程控制”。
行为与节奏的抽象
一个容易被忽略的变化是：模型不仅可以完成任务，还可以控制行为节奏。
例如：
何时执行某个动作
是否延迟输出结果
如何模拟人类工作习惯
这类能力本质上属于“行为建模”。
系统不仅在执行任务，也在决定“如何表现”。
这使得模型的角色从“工具”进一步接近“代理”。
两种不同的实现路径
目前这一类能力，大致分成两种实现方式。
一类强调开放性：
本地运行
模型可替换
控制粒度细
使用门槛较高
例如 OpenClaw 所代表的路径。
另一类强调可用性与约束：
默认集成
权限控制明确
使用成本低
与模型深度绑定
例如 Anthropic 的方案。
这两种方式没有绝对优劣，本质是不同取舍：
一种偏向系统能力
一种偏向产品化落地
执行能力带来的边界问题
当模型具备“持续执行”的能力之后，系统风险不再局限于内容层，而是进入行为层。
Palo Alto Networks 提到的几个要素，实际上构成了一个完整的闭环：
本地数据访问
外部信息接入
网络通信能力
状态记忆
当这些能力同时存在时，系统就具备了“自主运行”的基本条件。
问题也随之出现：
哪些操作是允许的
哪些行为需要中断
如何记录和审计执行过程
这些问题，本质上属于系统治理，而不是模型能力。
从“生成内容”到“执行行为”
可以用一个更简洁的方式来理解这类系统：
过去，大模型解决的是“说什么”
现在，开始解决“做什么”
这两者之间的差异，在工程实现上非常明显：
维度 | 生成模型 | 执行模型 |
|---|---|---|
输出 | 文本/代码 | 行为/操作 |
风险 | 信息错误 | 行为失控 |
控制点 | 提示词 | 权限与策略 |
也正因为如此，系统设计的重点开始转移：
从 prompt 设计
转向权限、流程与约束设计
一个尚未完全解决的问题
当前这类系统仍然存在一个明显短板：
对实时信息的依赖。
如果模型无法获取最新数据，那么：
决策可能失真
行为可能基于错误前提
因此，很多系统开始引入：
搜索能力
外部数据源
实时接口
本质是在补齐“环境感知”这一环。
结论
Claude Computer Use 代表的不是一个孤立功能，而是一个明确趋势：
模型正在从“理解世界”走向“作用于世界”。
这意味着系统设计的关注点必须同步变化：
从能力提升，转向边界控制
从生成质量，转向执行可靠性
从单次交互，转向持续行为
如果说过去的大模型更像一个顾问，那么现在，它正在变成一个可以直接参与工作的执行角色。