Cua：计算机操作 Agent 的跨 OS 弹性沙箱与机群

是什么

推文是 songkeys 对 hammercha1n 分享的回复，表示自己现在改用 Cua + Claude 的组合。外链 cua.ai 是一家 YC 孵化的 computer-use agent 基础设施公司，产品线包括 Cua Sandbox（可抛弃式 GUI 环境运行时，本地支持 Docker/QEMU/Apple VZ）、Cua Fleets（弹性机群，warm pool 毫秒级认领、空闲缩容到零）、Cua Driver（MIT 开源的后台输入驱动）和 Cua Bench（评测与 gym 编写）。

核心设计

一是 Driver 作为后台驱动向指定窗口发送点击与键盘事件，不移动系统光标、不抢焦点，同一二进制可作为 MCP stdio server、常驻 daemon 或一次性 CLI，让 agent 与人类共用同一控制面；二是一个 API 统一拉起 Linux、Windows、macOS（Apple Silicon 虚拟化）与 Android 四类机器，覆盖浏览器/终端、原生桌面与触控场景；三是训练与数据两种消费方式复用同一批 fleet：既可以指向 warm pool 自行跑 RL/评测循环，也可以直接采购带评估器与人工复核 golden trajectory 的验证轨迹数据。Hermes、Clicky、H Company、Factory Droid 等已在 Driver 之上构建。

关键洞察

computer-use agent 的瓶颈正从模型能力转向环境供给与数据验证：官方便以「最佳 agent 仅通过 25 个专家 KiCad 任务中的 6 个」作为 Bench 卖点，说明难度真实的可控环境本身就是稀缺资源；「同一环境既用于训练也产出可验证数据」把最难的验证环节产品化。

边界与风险

推文本身信息量极少，价值几乎全在外链；GUI agent 在专家级任务上的成功率仍然很低；验证数据依赖人工复核，规模化成本不低；企业落地虽有 SOC 2 Type I 与 BYOC 支撑，但跨 OS 虚拟化栈的稳定性与成本仍需实践检验。