一台 Mac两只鼠标AI 开始在后台替你工作了想象这样一个场景你正在电脑上写文档鼠标掌握在自己手里。与此同时一个 AI 正在后台打开浏览器、查找资料、填写表格、操作测试软件甚至同时处理多个任务。它不会突然抢走你的鼠标不会把窗口切到最前面也不会在你打字时把内容输入到另一个软件里。你做你的事AI 做 AI 的事。Bridge 团队发表了一篇技术文章拆解了 macOS 上一种很有意思的能力让用户和 AI 同时操作一台电脑。演示画面中屏幕上甚至出现了两个鼠标光标一个属于用户另一个由 AI 控制。看起来像是一台电脑突然变成了“双人模式”。但真正重要的并不是第二个鼠标。而是 AI 终于可以在后台工作了。图像一、过去的 AI为什么总喜欢“抢电脑” 目前大多数“AI 操作电脑”产品本质上都在模仿人类。它们会识别屏幕上的按钮 移动鼠标 点击窗口 输入文字 切换应用 根据画面变化决定下一步操作。 这种方案简单直接却有一个很大的问题AI 和用户共享同一套鼠标、键盘和前台窗口。当 AI 开始工作你往往只能看着。它打开浏览器你正在写的文档就会被切到后台它往输入框里打字你不能同时使用键盘它移动鼠标时你最好也不要碰鼠标否则双方可能互相干扰。这就像公司给你安排了一名助理却只给你们两个人配了一张办公桌、一套键盘和一只鼠标。助理工作的时候你只能让开。这显然不是真正意义上的“智能同事”。OpenAI 在2026年4月发布 Codex 更新时就重点介绍了“后台计算机使用”能力多个智能体可以在 Mac 上执行操作同时尽量不干扰用户正在进行的工作。OpenAI 官方介绍问题在于一台 Mac 明明只有一个真正的系统鼠标AI 是怎么在后台点击另一个窗口的二、屏幕上的第二只鼠标其实只是“视觉效果” Bridge 团队在文章中指出演示中的浮动光标更多是一种视觉反馈。它的作用是让用户知道 AI 正在什么位置操作。从技术上讲系统并不需要真的创建第二只物理鼠标也不需要让它和用户的鼠标争夺控制权。真正需要解决的是三个问题AI 如何看懂后台窗口 AI 如何把点击和键盘输入发送给指定软件 如何让后台软件接受操作却又不跳到用户面前 这三个问题分别对应 macOS 中的三层能力。三、第一层AI 不一定要“看屏幕”也可以直接读取软件结构 很多人以为AI 操作电脑必须不断截图然后判断按钮在哪里。但 macOS 本身提供了一套辅助功能接口也就是 Accessibility API。它原本是为了帮助残障用户操作电脑但同样可以让获得授权的软件读取界面结构。通过这套接口AI 可以知道当前运行着哪些软件 软件中有哪些窗口 窗口里有哪些按钮和输入框 每个控件的位置、名称和当前内容 某个按钮是否可以点击。 对于备忘录、Finder、系统设置等原生应用AI 有时根本不需要移动鼠标。它可以直接找到对应按钮然后调用“按下”找到输入框然后直接设置内容。整个过程都可以在后台完成。用户甚至看不到鼠标移动。不过这套方式并不是万能的。Chrome、Electron 应用以及一些自定义界面在后台状态下可能无法提供完整的界面信息部分按钮也无法通过辅助功能接口稳定触发。这时AI 仍然需要模拟真正的鼠标和键盘操作。四、第二层不移动真实鼠标也能把点击送进指定软件 普通鼠标点击一般会先进入系统再由系统分发给当前窗口。这也是传统自动化工具容易抢占用户鼠标的原因。Bridge 文章介绍了另一种方式利用 macOS 的 CGEvent.postToPid把鼠标或键盘事件直接发送给指定进程。可以把它理解成普通点击像是在办公室里大声喊“谁来处理一下这个操作”而 postToPid 更像是把文件直接递到某位同事的桌上。AI 可以明确告诉系统这次点击属于哪个软件 应该发送到哪个窗口 点击位置在哪里 这是按下还是松开 后续键盘输入应该交给谁。 这样一来AI 操作后台浏览器时就不必移动用户真正的鼠标。用户仍然可以在前台正常工作。五、最难的一步让后台窗口以为自己正在前台 事情到这里还没有结束。虽然系统可以把点击发送给后台软件但很多软件收到点击后会先检查自己是不是当前活动窗口。如果不是它可能直接忽略这次操作。Chrome 和 Electron 应用尤其麻烦当窗口不在前台时它们不仅可能拒绝点击甚至不会暴露完整的界面结构。图像所以整个方案最巧妙的地方来了让后台窗口在软件内部认为自己已经被激活但视觉上仍然留在后台。Bridge 团队采用的思路大致可以分成四步监听前台软件和目标软件之间的焦点切换消息 向后台窗口发送一次“准备激活”的事件 再向窗口中心发送一次不会触发实际功能的点击 允许目标软件完成内部激活同时阻止系统真的把它切到最前面。 结果是后台软件认为自己已经可以正常接收点击和输入但用户正在使用的窗口并没有消失。就像 AI 悄悄走进一间办公室开始工作却没有把正在里面办公的人赶出去。六、两个鼠标背后是两套彼此独立的工作流 理解这一点之后就会发现“两个鼠标”并不是简单的界面特效。它代表着一种新的电脑使用方式用户拥有一条前台操作通道 AI 拥有一条后台操作通道 双方可以同时使用不同的软件 AI 的操作不需要持续打断用户。 未来甚至可能不是两个操作者而是更多。一个智能体在浏览器里查资料一个智能体在设计软件里调整页面另一个智能体在测试应用同时用户继续回复消息、开会或者写方案。一台电脑可能会逐渐变成多名 AI 员工共享的工作空间。这才是“后台电脑操作”真正有价值的地方。七、软件正在从“人类工具”变成“智能体工具” 过去我们评价一款软件是否好用主要看它对人类是否友好按钮是否清楚菜单是否容易找到操作步骤是否足够简单。进入智能体时代后软件可能还需要面对另一类用户AI。AI 不一定需要漂亮的按钮但它需要清晰的界面结构 稳定的辅助功能信息 可预测的交互结果 明确的权限边界 能够在后台完成操作的能力。 如果软件拥有完善的 APIAI 可以直接调用 API。如果没有 APIAI 就只能像人一样操作界面。因此Computer Use 的意义并不是取代 API而是补齐现实世界中的最后一公里即使一个软件没有为 AI 提供接口AI 仍然能够尝试完成任务。八、这项能力还没有完全成熟 Bridge 团队也在原文中提到这套方案依赖 macOS 窗口系统中非常底层的行为其中一些机制没有被完整公开甚至可能利用了特定的系统表现。它仍然面临不少问题不同软件的兼容性并不一致 系统升级后底层行为可能变化 某些后台窗口仍然无法稳定接收操作 多个智能体同时工作时可能出现资源或状态冲突 AI 获得辅助功能权限后需要更严格的授权和操作记录。 Bridge 已经将相关实现整理为开源项目 kwwk-computer-use-core其中包含后台窗口读取、鼠标点击、键盘输入和窗口管理等核心能力。查看开源项目这个项目目前要求 macOS 14 及以上系统并需要获得辅助功能权限。所以它更像是一条已经被验证可行的技术路线而不是所有 Mac 应用都能立即享受的标准能力。九、真正的变化是 AI 不再要求你停下手中的工作 过去人们讨论 AI 操作电脑时关注点通常是“AI 能不能像人一样点击按钮”但更重要的问题其实是AI 工作的时候人还能不能继续使用这台电脑如果答案是否定的那么 AI 仍然只是一套需要人类让出工作空间的自动化工具。只有当 AI 能在后台理解窗口、接收任务、操作软件并且不打断用户时它才开始真正接近“电脑里的同事”。第二只鼠标只是一个容易被看见的符号。它真正代表的是在同一台电脑上人类和 AI 第一次有机会拥有彼此独立的工作空间。未来我们可能不会再说“我正在使用这台电脑”。而会说我和几个 AI正在共同使用这台电脑。