Open Interpreter OS Mode — Natural-Language Computer Control

简介

Open Interpreter 的 OS Mode 把自然语言 CLI 扩展成完整的电脑控制。agent 截屏看屏幕、用点击、键盘、shell 命令驱动任何 GUI 应用。适合接触你写不了脚本的 GUI 应用（Photoshop、Excel 宏、Zoom、第三方桌面工具）的研究 / 实验 / 一次性自动化。兼容 macOS / Windows / Linux。装机时间 5 分钟。

装 + 启动

pip install open-interpreter
interpreter --os

首次运行要你的 LLM API key（默认 OpenAI；用 --model claude-3-5-sonnet-20241022 接 Claude）。

示例会话

> Open Photoshop, create a new 1200x630 document, fill it with a navy-to-orange
  gradient, and add the text "Q3 Report" centered in white.

[OS Mode 截屏，识别 Dock，点 Photoshop]
[等应用启动…]
[点 File > New，输入尺寸，创建文档]
[选渐变工具，挑颜色，从左上拖到右下]
[加文字图层，输入 "Q3 Report"，居中对齐]
> Done. Want me to save the file?

安全提示

OS Mode 在破坏性动作前会请求确认：

About to: Empty Trash (irreversible). Confirm? [y/N]

可以预设白名单工具自动批准：

interpreter --os --auto_run --safe_mode high

safe_mode high 拒绝文件删除、对未知主机的网络请求、含 rm / dd 的 shell 命令。

什么时候不该用 OS Mode

• 生产自动化 —— 用 Browser Use（仅浏览器）或平台 API
• 时间敏感 —— OS Mode 每次点击约 5-15s 延迟
• 任何敏感内容 —— 截屏会离开你的机器到 LLM

OS Mode 适合一次性、探索性、「我宁愿描述也不想学 GUI」的任务。

FAQ

Q: Open Interpreter 免费吗？ A: 免费 —— Apache-2.0 开源。用自己的 LLM API key（OpenAI / Anthropic / 本地）。推理成本看模型和任务视觉密度（视觉模型更贵）。

Q: 跟 Browser Use 啥区别？ A: Browser Use 只在浏览器里（Chrome 内点击）。OS Mode 是全 OS（任何 GUI app、终端、Dock）。爬网用 Browser Use；桌面应用自动化用 OS Mode。延迟和可靠性都不一样。

Q: 远程服务器能用吗？ A: 受限 —— OS Mode 需要屏幕和输入设备。无头 / 服务器场景用 Open Interpreter 标准模式（不加 --os），shell-only，任何 Linux 机器都能跑。