dsh-computer-use

DeepSeek Harness 的 Computer Use 插件 —— 给 harness-desktop 增加"虚拟鼠标真人操作"能力： AI 生成独立光标，像人一样看屏幕、移动、点击、输入，替用户操作电脑。

跨平台（macOS / Windows / Linux），引擎基于 cua-driver（MIT 开源，MCP 标准接口）。

✨ 能力

工具	功能
screen_observe	看屏幕：AX 编号树 + 坐标（零视觉 token 成本）；AX 树为空自动降级视觉
computer_click / computer_double_click / computer_right_click	真人操作：独立光标滑行到目标 + 像素级真实点击（看得见过程）
computer_type	文本输入（密码框自动拒绝）
computer_key	按键 / 快捷键（return、cmd+c…；聊天窗口回车发送）
computer_scroll	滚动
computer_drag	拖拽
computer_wait	等待
app_list / app_launch	列出 / 启动应用

核心设计：AX 树只用于"看"（定位元素坐标），所有操作走像素级虚拟光标——光标滑行动画 + 真实点击，模拟真人操作。内置彩虹渐变动态光标主题（可自定义）。

🛡 安全设计

1. 虚拟光标隔离：操作走 cua-driver 的独立 Agent 光标，不抢真实鼠标
2. 观察快照 TTL：快照约 15 秒过期，过期后动作被拒绝，必须重新观察（引擎侧 element_token 双重校验）
3. 区域限制：可选 allowedApps 白名单，名单外的应用操作一律拒绝（fail closed）
4. 危险操作审批：目标标签命中"删除/支付/转账/退出登录…"危险词时，经 dsh 审批服务征询用户，未批准不放行
5. 敏感输入保护：密码框（AXSecureTextField）拒绝自动输入——密码/密钥永不让模型接触
6. 无快照拒绝：任何动作必须先 screen_observe，杜绝盲操作

⚠️ 作用范围说明：危险词审批与密码框保护基于观察到的元素标签，仅对 element 编号模式生效；x/y 坐标模式与无目标输入（computer_type / computer_key 落到前台应用）无法预知目标内容，由快照 TTL 与"操作可见"兜底。computer_key 不校验快捷键本身（如 cmd+q 等系统快捷键），请勿授予不可信模型。这是设计取舍：安全优先级 = 元素语义 > 坐标盲操作，但坐标模式保留了真人可视操作的自由度。

📦 安装

前提：

• harness-desktop（含 dsh rc 运行时）
• cua-driver 已安装（官方安装见 trycua/cua）且权限已授权（macOS：Accessibility + Screen Recording；Windows：普通用户权限运行）