Melaya vs OpenClaw
OpenClaw 是开源的，拥有庞大的技能生态，支持 cron 和心跳调度。根据其公开文档，它的 Windows 和 Linux 驱动是实验性的，仅支持主显示器，用户反馈每个任务消耗 8 万到 15 万输入 Token。Melaya 可运行在 Windows、macOS、Linux 和无显示器 VM 上，每次模型调用规划多个步骤，并核查每一次写入。
OpenClaw 替代方案：完整对比读取真实窗口优先读取无障碍树，应用自行绘制像素时才用 OCR
绝不假成功每个动作执行后都会先核查窗口状态，再进行下一步
逐应用权限查看、点击或完全控制，敏感应用默认关闭
System One Fast Mode一次模型调用规划多个步骤，Melaya 负责执行并核查
三步搞定。无需终端。
安装桌面应用，连接这台电脑一次，然后在你已经与 Melaya 对话的任何地方交给它任务。
03
交给它一个任务直接问 Assistant，调度一条流水线，或从 Claude Code、Codex 或 Cursor 调用它。实时查看时间线，审批重要操作，随时停止。
服务器与 VM，无需屏幕
无显示器的 Linux 主机或 VM？启动带电脑控制功能的 Melaya 运行器，它就会像其他电脑一样加入你的账户。
npx @melaya/runner --computerWindows 10 和 11 · macOS 13+ · Linux（AppImage、.deb、.rpm）· 无显示器 Linux VM
桌面应用设置指南为什么 System One 比截图类智能体更快
截图类智能体每点一次都要花费一次模型调用和一张新截图。System One 只读取一次窗口，在一次调用中规划每一步，由 Melaya 在应用内执行并核查每一步。
截图类智能体20 次调用截图类智能体：每次点击一次模型调用，共 20 次
Melaya System One1 次调用Melaya System One：一次调用规划全部 20 个步骤
截图类智能体20 张截图截图类智能体：每次点击前都要一张新截图
Melaya System One1 次窗口读取Melaya System One：窗口只读取一次，以具名元素的形式呈现
示意性示例。模型只有在出现意外时才会再看一次屏幕。
- 读取窗口具名元素，而非像素
- 一次调用规划每一步最多可一次规划 100 步
- 执行并核查每一步在应用内逐一进行
只有目标不清晰时 Laya 才会介入
只读一次
窗口以带稳定引用的具名元素形式呈现。
一次调用，多个步骤
模型一次性给出完整计划，最多 100 步。
确定性定位
每一个目标都在真实的无障碍树上定位。
Laya 作为后备方案
只有目标不清晰时，才由小型模型来判断。
在应用内核查
步骤作为一批执行，逐一核查。
指标与回放
每次运行都会报告调用次数、动作数和耗时。
一次快速运行是什么样子
computer_fast1 次规划调用示例运行click打开报表精确标签pick选择 2026 年第三季度区间Layafor_each对每一行标记为 Open 的记录行type文件命名为 q3-open.csv引用press用 Ctrl+S 保存快捷键expect确认文件已保存已核查
1 次模型调用 · 6 个步骤 · 每个结果都在应用内核查
面向任何带窗口应用的桌面自动化 AI
同样的操作在 Excel、Outlook、Teams、File Explorer、Finder、SAP GUI、CRM 或内部工具中都适用。只要你能用鼠标和键盘完成，智能体就能按你的规则完成。
screen · ocr读取真实窗口
Windows 上用 UI Automation，macOS 上用 Accessibility，Linux 上用 AT-SPI2：具名元素，带稳定引用。应用自行绘制界面时，由 OCR 和标记截图来补足。
click · type · press点击、输入、快捷键
菜单、组合框、复选框、拖放，Ctrl+S 或 Cmd+Shift+4。数值可以直接设置，不必逐字输入。
file_dialog打开和保存对话框
文件对话框由文件句柄填写，从不使用原始路径。它保存的文件会以你可控的句柄形式返回到这次运行中。
read_table · set_value表格与电子表格
在 Excel、ERP 和 CRM 中把网格读成一行行数据，智能体因此能逐条处理每一张未结发票，而不必对着像素瞪眼。
delivery: background优先后台执行
只要操作系统允许，操作就会通过无障碍层完成：不会抢占光标，也不会把窗口跳到最前面。需要前台时，它会明确说明。
expect · observe每一次都核查
每次写入后，Melaya 都会查看发生了什么变化。什么都没变？这一步会报告「无效果」，而不是假装成功。
handoff登录时交还控制权
遇到登录、双重验证或验证码？智能体会暂停，由你自己完成那一步，点击「继续」后，它会重新读取界面并接着往下走。
keep_awake适配定时运行
定时运行期间让电脑保持唤醒，屏幕被锁定时会直接说明，而不是对着空气乱点。
playbooks应用操作手册
内置 24 款常见桌面应用的操作笔记，从 Excel、Outlook、Teams 到 Finder，附带最有效的键盘操作路径。
connectors优先使用连接器
当 Slack、Notion 或 Teams 已连接时，智能体会使用连接器，而不是在应用里逐一点击。
Melaya vs OpenClaw vs Hermes Agent vs Claude Cowork
让 AI 智能体控制电脑的四种方式。这四款都是认真打造的工具。以下是它们并排对比后的差异。
| 关键维度 | Melaya | OpenClaw | Hermes Agent | Claude Cowork |
|---|---|---|---|---|
| 它如何识别屏幕 | 优先使用无障碍树（UI Automation、macOS Accessibility、AT-SPI2），OCR 和标记截图作为后备，统一的引用空间 | 截图加带元素引用的无障碍树，macOS 上默认使用 Peekaboo | 标记集截图，视觉模式或无障碍树模式 | 截图加坐标，不向模型提供无障碍树，图像缩小到约 1372x887 |
| 模型调用与 Token 用量 | 一次模型调用规划多个步骤（最多 100 步），由 Melaya 执行并核查 | 用户反馈每个任务消耗 8 万到 15 万输入 Token | 未有文档说明 | 评测者发现它速度慢且消耗 Token 多（PCWorld 报告称 30 分钟内用完 5 小时的 Pro 额度） |
| 写入已核查，杜绝假成功 | 每次写入都会对照窗口核查，用「无效果」代替假成功，管理员窗口会提前报告 | 未有文档说明 | 文档中有记录：在提升权限的 Windows 窗口上，捕获会返回 0 个元素，点击则在什么都没做的情况下报告成功 | 未有文档说明 |
| Windows 上的后台控制 | 优先通过无障碍模式在后台操作，必须使用前台时会明确说明 | Windows 和 Linux 驱动标记为实验性，仅支持主显示器 | 设计上即为后台优先 | 在 Windows 上需在可见屏幕中运行（macOS 15+ 上可用于后台窗口） |
| Linux 与无显示器 VM | 支持 X11 和 Wayland 上的 Linux，并可通过 npx @melaya/runner --computer 支持无显示器服务器与 VM | Windows 和 Linux 驱动标记为实验性 | 未有文档说明 | 未有文档说明 |
| 按应用设置的权限级别 | 逐应用设置查看、点击或完全控制，敏感应用默认关闭 | 没有逐操作确认，安全性依靠持久授权和工具策略 | 提供审批模式，包括一种受限模式 | 强力的按应用审批分级 |
| 停止与安全 | 停止按钮和快捷键，你触碰鼠标或键盘时会暂停，绝不在密码框中输入 | 存在 CVE-2026-25253（一键 RCE），其技能中心中也发现过恶意技能 | 依赖私有 macOS API 实现后台输入，系统更新可能导致其失效 | 按 Esc 即可随时停止，同一时间只能运行一个会话（整机锁定） |
| 手机、浏览器与电脑三合一 | 支持：同一批智能体可以操作你的 Android 手机、浏览器和电脑 | 未有文档说明 | 未有文档说明 | 未有文档说明 |
| 在你电脑上定时运行 | 定时流水线在你自己的电脑上运行，运行期间保持唤醒 | cron 和心跳调度 | 未有文档说明 | 本地应用要求电脑保持唤醒 |
| 任意模型，支持 MCP 访问 | Claude、GPT、Gemini、Qwen 或本地模型，并可通过 MCP 从 Claude Code、Codex 和 Cursor 访问 | 未有文档说明 | 未有文档说明 | 运行在能力很强的 Claude 模型之上 |
竞品信息来自其公开文档，截至 2026 年 10 月。「未有文档说明」仅表示我们在其公开文档中未找到相关说明，并不代表该功能不存在。
Melaya vs Hermes Agent
来自 Nous Research 的 Hermes Agent 是后台优先的，带有一个能自行编写技能的学习循环，以及包括一种受限模式的审批模式。它自己的文档中提到，在提升权限的 Windows 窗口上，点击可能在什么都没做的情况下报告成功，而 macOS 上的后台输入依赖私有 API。Melaya 会提前检测管理员窗口，并改为报告无效果。
Hermes Agent 替代方案：完整对比Melaya vs Claude Cowork
Claude Cowork 带来了能力很强的模型、强力的按应用审批分级，以及可随时按 Esc 停止的功能。它依靠截图和坐标工作，在 Windows 上需使用可见屏幕，且同一时间只能运行一个会话。Melaya 读取无障碍树，在操作系统允许的情况下于后台工作，每次调用规划多个步骤，并可运行 Claude 或任意其他模型。
Claude Cowork 替代方案：完整对比来源
- OpenClaw 文档：电脑控制
- OpenClaw 2026.8.1 发行说明：浏览器与电脑控制
- Remote OpenClaw：OpenClaw 的成本，Reddit 用户的反馈
- 维基百科：OpenClaw
- Hermes Agent 文档：电脑控制
- Hermes Agent 电脑控制技能（GitHub）
- Claude Code 文档：电脑控制
- Claude 平台文档：电脑控制工具
- Claude 帮助中心：在 Cowork 中让 Claude 使用你的电脑
- PCWorld：Claude 控制了我的 Mac 半小时
OpenClaw、Hermes Agent 和 Claude Cowork 是其各自所有者的商标。Melaya 与它们没有关联。
你的电脑，你的规则
智能体只能看到并操作你开启的应用，且仅限于你选择的权限级别。这些规则在每一次运行、每一个界面上都始终生效。
逐应用设置级别：View 仅读取，Click 增加点击和滚动，Full 允许输入和文件操作。即便是 Full，审批仍然生效。
密码管理器、银行与交易类应用、终端、系统设置以及 Melaya 本身，默认都处于关闭状态。
绝不在密码框，或任何看起来像密码框的地方输入内容：一次性验证码、银行卡号、API 密钥。
在安全模式下，发送、删除、购买或安装前都会先询问你，桌面应用和网页端都是如此。
全局停止快捷键和停止按钮，网页端也能停止。你自己触碰鼠标或键盘，运行就会暂停。
每个动作及其带来的变化都有实时时间线。屏幕上的「正在操作」提示永远不会出现在智能体看到的画面里。
管理员窗口会被提前检测并报告，绝不会被悄悄点击。
允许的应用办公室电脑
查看点击完全
查看点击完全
查看点击完全
查看点击完全
已关闭 · 敏感应用
已关闭 · 敏感应用
策略
两次核查：服务器先应用你的权限级别，你电脑上的应用在执行前还会再检查一次。
面向 Linux、无显示器服务器与 VM 的电脑控制智能体
在这里，Linux 是一等桌面系统，不是实验性支持。桌面应用通过 X11 和 Wayland 上的 AT-SPI2 读取 Linux 应用。完全没有屏幕？在无显示器的服务器或 VM 上运行 Melaya 运行器，它就会变成一台你的智能体可以使用的电脑，拥有同样的权限、审批和时间线。
运行器 CLI 与 VM 指南npx @melaya/runner --computer- Linux 桌面应用提供 AppImage、.deb 或 .rpm 格式
- X11 和 Wayland 上的 AT-SPI2 无障碍树
- 无显示器服务器与 VM：npx @melaya/runner --computer
- 所有操作系统均支持多显示器及逐显示器 DPI
- 定时流水线在该机器上运行，运行期间保持唤醒
在对话中直接问。定时调度。从你自己的 AI 里调用它。
一套电脑控制工具，无论在哪里使用，权限和审批都保持一致。
Assistant
用大白话描述任务，实时查看它在你电脑上一步步完成，审批就在对话中进行。
把上个月的账本从 ERP 导出到 Excel，并保存在 Reports 里。收到，正在办公室电脑上打开 ERP…
Pipelines
定时运行在你自己的电脑上进行，无论你在睡觉还是开会。自定义部分可以用 Python 工具完成。
每周一 08:00 · 办公室电脑已调度
MCP
把 Melaya 接入 Claude Code、Codex、Cursor 或 Claude。你的 AI 就能获得电脑控制工具，并遵循你设置的权限与审批。
api.melaya.org/mcpmelaya_computer_*从 Claude Code、Codex 或 Cursor 使用 Computer Control
已经习惯在编码智能体里工作？只需添加一次 Melaya MCP 服务器，它就能操作你允许的桌面应用，并把耗时任务交给 Fast Mode 处理。命令行工作仍留在你的编码智能体里，桌面应用则是它以前触及不到的那部分。
设置 MCP 服务器与 Browser Control、Device Control 协同工作：读取网页、更新桌面应用、在手机上确认，一次运行全部完成。
随处可用活在桌面应用里的工作
团队最先交给 Computer Control 处理的五项工作。
用 AI 智能体自动化 Excel
清理每月导出的数据，向下填充公式，按地区做透视，并把 CSV 保存到财务期望的位置。智能体把单元格读成一行行数据，而不是像素，因此能处理完整张表。
Excel用 AI 智能体自动化 Outlook
按发件人和主题整理收件箱，归档发票，标记需要你处理的邮件，并起草回复供你审批。在安全模式下，发送前总会先询问你。
Outlook无需 API 的 ERP 数据导出
从桌面 ERP 中取出月末账本，在 Excel 中重新整理，并保存到共享盘。设置定时后，它会每月在你自己的电脑上运行。
桌面 ERP · ExcelCRM 数据录入
把线索从表格逐字段复制到桌面 CRM，并在继续之前核查每条记录是否已保存。
Excel · 桌面 CRM桌面应用的 QA 测试
每次构建后点击走一遍你自己的应用，对比实际显示与预期效果，并报告具体在哪一步出错。可以在 CI 中的 Linux VM 上运行。
你的应用 · Windows、macOS、Linux大家真正会问的问题
简单说：智能体只在你允许的应用里工作，核查每一步，你说停它就停。
什么是电脑控制智能体？
一种像人一样通过屏幕、鼠标和键盘操作电脑的 AI 智能体，因此它能在没有 API 的应用里工作。Melaya 的电脑控制智能体会优先读取应用的无障碍树，针对确切元素执行操作，并核查每一个结果。
它支持哪些系统？
Windows 10 和 11、macOS 13 或更高版本，以及 X11 和 Wayland 上的 Linux 桌面系统。无显示器的 Linux 主机和 VM 可通过 Melaya 运行器支持，用 npx @melaya/runner --computer 启动。
为什么 System One 比截图类智能体更快？
截图类智能体每点一次都要进行一次模型调用并截一张图。System One 只读取一次窗口，在一次调用中规划多个步骤，由 Melaya 在无障碍树上为每一步定位目标并核查。每个任务的模型调用和图像数量都大幅减少。
Melaya 是 OpenClaw 的替代方案吗？
是的。OpenClaw 是开源的，拥有庞大的技能生态。根据其公开文档（2026 年 10 月），它的 Windows 和 Linux 驱动是实验性的，仅支持主显示器。Melaya 可运行在 Windows、macOS、Linux 和无显示器 VM 上，具备按应用设置的权限级别、审批机制和已核查的写入。
Melaya 与 Claude Cowork 有什么不同？
Claude Cowork 拥有能力很强的模型和强力的按应用审批分级。根据 Anthropic 的文档（2026 年 10 月），它依靠截图和坐标工作，没有无障碍树。Melaya 会读取无障碍树，每次调用规划多个步骤，并可使用 Claude 或任意其他模型。
Melaya 与 Hermes Agent 相比如何？
Hermes Agent 是后台优先的，并带有一个能自行编写技能的学习循环。它的文档（2026 年 10 月）提到，在提升权限的 Windows 窗口上，点击可能在什么都没做的情况下报告成功。Melaya 会提前检测管理员窗口，并报告无效果，而不是假成功。
它能看到我的密码或银行应用吗？
密码管理器、银行与交易类应用、终端和系统设置默认都是关闭的，智能体也绝不会在密码框中输入。你来决定它可以使用哪些应用，以及能做到什么程度：查看、点击或完全控制。
哪些 AI 模型可以驱动它？
你在 Melaya 中使用的任何模型：Claude、GPT、Gemini、Qwen，通过 Ollama 或 LM Studio 运行的本地模型，或你自己的 Claude Code、Codex 订阅。Fast Mode 让模型调用次数保持在很低的水平，因此较小的模型也能表现不错。
我屏幕上的内容会离开我的电脑吗？
应用和每一个动作都在你的电脑上运行。智能体从你允许的应用中读取到的内容，会发送给你选择的模型。选择本地模型，它就会留在你的机器上。
它与 Browser Control、Device Control 有什么不同？
Browser Control 操作网页，Device Control 操作 Android 手机，Computer Control 操作桌面应用。同一个智能体，同样的权限与审批，一次运行可以同时用到这三者。
// Cookie
Melaya 使用一小组第一方 cookie，仅用于身份验证、维持会话和保护平台。默认不使用广告 cookie、跨站追踪器或第三方分析。完整 cookie 清单见我们的 隐私政策.