腾讯混元 Hy4 正式版会「自己看屏幕、操作电脑」了:用 AutoHotkey v2 给它装一道「人类确认闸门」——AI 出招前先问你,精准执行你说了算(OpenAI 兼容接口,完整可运行代码)
你刷到的这条消息可能已经被各种「最强开源模型」刷屏了:2026 年 11 月 4 日,腾讯混元发布了 Hy4 正式版,770B 总参数的 MoE 架构、1M 上下文,编程和游戏开发能力大提升——但真正让效率玩家眼前一亮的是两个「首次」:Hy4 第一次有了视觉能力,也第一次支持 Computer Use(电脑操作)。也就是说,它不再只是「给出建议」,而是能看着你的屏幕,规划出「点哪个按钮、往哪个框里填什么、按什么快捷键」,把一连串动作推进到完成。
听起来很爽,对吗?但别高兴太早。模型「看得见屏幕、点得动手」,却不代表它知道自己点得对不对——坐标偏移一个像素、界面结构变一下、弹窗挡在中间,都可能让它「眼睛一闭就点歪」。这正是 AutoHotkey 的用武之地:让 AI 负责理解屏幕、决策下一步,让脚本负责「确定性、可确认、可审计」地执行。本文就用 Hy4 正式版(OpenAI 兼容接口)给你搭一个「截屏喂图 → AI 判断 → 人工确认 → AHK 精准执行」的完整可运行工作流,AI 出招前先经过你这道闸门。

