Windows‑Use

详情介绍

你有没有遇到过这样的场景：每天上班要重复打开十几个软件，每周要花半天时间整理归档文件，每次测试软件都要机械地重复点击同一套流程？这些重复性的电脑操作，实可以交给AI来做。

Windows-Use就是这样一个让AI替你操作电脑的开源项目。它由开发者Jeomon George在2025年创建，核心思路很直接：既然大语言模型能理解人类语言，那能不能让它直接像人一样去操作电脑？答案是肯定的。

这个项目的特别之处在于它的技术路线。传统的自动化工具要么靠图像识别（像人一样“看”屏幕），要么靠写死脚本（只能做固定的事）。Windows-Use走了一条不一样的路——它直接读取Windows系统的UI树信息。你可以把它理解为，它能看到系统底层对每个按钮、每个输入框的“官方定义”，而不是像人一样靠眼睛去猜屏幕上是什么。这种方式让它不受屏幕分辨率、主题颜色、窗口位置的影响，识别又快又准。

当你对它说“帮我打开记事本，写一段关于AI的笔记，保存到桌面”，它会自动分解成一系列动作：找到开始菜单、点击运行、输入“notepad”、等待窗口打开、输入文字、点击文件菜单、选择保存、输入文件名、确认保存。整个过程不需要你动手，它自己就完成了。

目前这个项目在GitHub上已经有超过1600颗星，保持着活跃的更新状态。开发者还在持续优化它的响应速度，从最初的20秒缩短到了现在的1.7秒左右。它采用MIT许可证，意味着你可以免费、修改，甚至用于商业项目。

官网入口地址

• 开源项目GitHub仓库：https://github.com/CursorTouch/Windows-Use

下载地址

Windows-Use开源，你可以通过以下方式获取：

• pip安装（推荐）：打开命令提示符，输入pip install windows-use即可完成安装

• 源码编译：从GitHub仓库克隆代码，本地自行构建

• uv安装：如果你使用uv包管理器，可以用uv pip install windows-use

功能介绍

核心功能：让AI替你操作电脑

Windows-Use最基础也是最核心的能力，就是让大语言模型能够直接操控Windows系统。你可以用自然语言告诉它想做什么，它就会自动分解任务并执行。

基础交互能力

项目支持所有常见的电脑操作：

• 打开应用：可以启动任何已安装的软件，从记事本到Chrome浏览器

• 按钮点击：能精准定位并点击界面上的任何按钮、菜单项

• 文字输入：可以在输入框中自动打字，支持中英文和特殊字符

• 运行命令：可以执行系统命令、PowerShell脚本

• 文件操作：支持文件的创建、移动、重命名、删除等

界面状态感知

它不需要靠截图来“看”屏幕，而是直接读取Windows的UI自动化树（Accessibility Tree），获取每个界面元素的准确信息——这个按钮叫什么、能不能点、在什么位置、当前是什么状态。这种方式让它对界面的理解比人类用眼睛看还要准确。

智能决策能力

结合大语言模型的理解能力，Windows-Use可以根据当前界面状态自主判断下一步该做什么。比如打开软件后，它会等待窗口加载完成，再执行后续操作；如果某个按钮没找到，它会尝试他路径完成任务。

多版本Windows兼容

项目支持从Windows 7到Windows 11的所有主流版本，并且能自动识别当前系统版本，调用合适的API。

语音输入接口

除了文字指令，它还提供了语音输入接口，你可以直接对着电脑说话下达指令，进一步降低了使用门槛。

批量任务处理

可以编写任务脚本，让AI自动处理批量操作，比如把某个文件夹下所有照片重命名、批量转换文档格式、定时执行数据备份等。

自定义命令扩展

支持创建自定义命令，把常用的多步操作封装成一个简单指令。比如你定义一个“开工”命令，它就会自动打开邮箱、浏览器、工作群、开发工具等一整套软件。

应用场景

日常办公自动化

每天上班重复的那一套——打开邮箱、启动微信、打开Chrome、登录工作系统、打开开发工具……这些可以交给Windows-Use。你只需要说一句“开始工作”，它就会自动帮你把所有环境准备好。

文件批量处理

需要把几十个Word文档转成PDF？需要把散落在各个文件夹的照片按日期整理？这种重复性的文件操作，用自然语言描述清楚，Windows-Use就能自动完成。

软件测试

测试人员经常需要反复执行同一套操作流程来验证软件稳定性。Windows-Use可以录制并回放这些操作，还能根据界面变化智能调整，比传统自动化脚本更灵活。

游戏脚本

在游戏中需要重复刷资源、做日常任务？可以用Windows-Use写一个“游戏助手”，让它替你完成这些枯燥的操作。当然要注意游戏运营商的规定，别违反用户协议。

跨应用数据流转

有时候需要从一个软件复制数据，处理一下再粘贴到另一个软件里。这种跨应用的工作流最难自动化，但用Windows-Use，你可以直接说“把Excel里第一张表的数据整理成邮件格式，发邮件给张经理”，它就能自己完成。

辅助操作

对于不太熟悉电脑操作的老年人或特殊人群，Windows-Use可以成为一个语音助手，他们只需要说出想做什么，电脑就自动执行了。

定价模式

Windows-Use是一个开源项目，采用MIT许可证。这意味着：

• 免费：你可以免费下载、安装、使用

• 自由修改：可以根据自己的需求修改源代码

• 商业可用：可以把它集成到自己的商业产品中，无需支付授权费

• 无需 attribution：不像有些开源协议要求必须署名，MIT协议相对宽松

不过使用它需要自己准备大语言模型的API密钥（比如Google的Gemini），这部分需要按API调用量付费，具体取决于你选择的模型服务商。

Windows‑Use常见问题