便宜的”电脑操作”大模型来了,但先别让它直接点屏幕:用 AutoHotkey v2 把 AI 的坐标点击,翻译成结构化、可审计、可重放的桌面指令(附零依赖执行器)
10 月 27 日 OpenAI 放出了主打”视觉推理 + 电脑操作”的中端模型 GPT-6.1 Terra,输入 token 只要 1 美元/百万,成本只有旗舰的约十分之一。这类便宜模型让”让 AI 自己操作我的 Windows”第一次变得不那么心疼钱包。但紧接着就会撞上 AI 桌面自动化真正的坑:**让只会”看屏幕、报坐标”的模型直接去点,十个里有三个点错**——窗口没激活、按钮是动态的、DPI 缩放把坐标算偏,更别提它压根没法给你”刚才到底干了啥”的审计记录。
本文给出一个完全不同的分工:**让 AI 只负责”看”和”想”,输出一行一动的「结构化指令」;让 AutoHotkey v2 只负责”做”,用 WinActivate / ControlSend / SendInput 这些可靠机制去执行。** 好处是——点击不靠猜坐标、每一步都写进日志、同一批指令可以原样重放、还能在真正动手前先人工审一遍。文末附一个零依赖、开箱即跑的 AHK v2 指令执行器,可以直接拿去用。

