新智元報道

編輯：艾倫

【新智元導讀】OpenClaw 的專屬 Computer Use 工具 Peekaboo v3 正式回歸，并在發布后高頻更新。它補上了 OpenClaw 最缺的一環，讓 AI 不只會回消息，還能看屏幕、點按鈕、操作真實桌面。

OpenClaw 終于要長出眼和手了！

https://x.com/steipete/status/2053114837698249190

過去幾個月，OpenClaw 的熱度像一鍋剛燒開的水，先是咕嘟咕嘟冒泡，隨后逐漸歸于平穩。

項目跑起來了，用戶開始上手，討論也從「這是什么」變成「它還能做什么」。

這時，一個被擱在旁邊的老問題重新浮上來。

AI 能接消息，能理解指令，能調用工具，下一步總得碰一碰真實世界。

桌面上的按鈕、菜單、彈窗、輸入框，才是多數工作的最后一公里。

一個 Agent 如果只能在聊天框里給建議，多少像坐在副駕駛上指路，嘴上懂路，手上碰不到方向盤。

Peekaboo 就是在這個時候回來的。

這個名字本身就有點俏皮。Peekaboo 是「躲貓貓」的意思。

電腦界面確實天天跟自動化躲貓貓。

按鈕躲在彈窗里，菜單躲在系統欄里，窗口一動坐標全變，焦點一跑輸入落空。

人類會憑直覺修正，AI 只能靠一套更靠譜的眼睛和手。

如今，Peekaboo 要補上的正是這套眼睛和手。

從停更到一日三更

Peekaboo 從去年年末發布 v3.0.0-beta 3 后，開始停更。

之后，Peter 將主要精力轉向 OpenClaw。

可以理解，OpenClaw 本身就是一張更大的網，要接消息平臺，要做網關，要處理本地運行，要支撐 Agent 調度，還要讓普通用戶裝得上、跑得穩、用得明白。

于是 Peekaboo 暫時退到幕后。

變化發生在最近兩周。

v3.0.0-beta 4 先出來試水。

就在前天，正式版 v3.0.0 發布。

正式版落地之后，更新節奏開始狂飆，今天一日三更，v3.1.0、v3.1.1、v3.1.2 接連推出。

這種更新密度一般只有兩種可能。

一種是出現了重大 Bug，維護者正端著滅火器忙著救火。

另一種是方向終于對齊，積累已久的東西開始往外傾瀉。

Peekaboo 這次更接近后者。

過去幾個月，OpenClaw 把渠道、網關、Agent 的外殼先搭起來了。

現在，項目開始補最重要的課。

Peekaboo 到底在補什么

對普通用戶來說，Peekaboo 最好理解成一套 macOS 自動化工具。

它能截圖，能識別窗口，能讀 UI 元素，能找按鈕，能點、能打字、能滾動、能切應用、能操作菜單。

傳統腳本最怕環境變化。

按鈕位置換一下，窗口遮一下，彈窗突然出現，腳本就像踩空樓梯，啪一下摔進錯誤分支。

Agent 更麻煩，因為它要邊看邊想邊操作，任何一步看錯、點錯、等錯，后面都會一路歪下去。

Peekaboo 的價值，是把桌面變成 Agent 能理解的工作場域。

它不只是截一張圖給模型看，還要把圖里的控件、窗口、文本、按鈕關系整理出來，形成可追蹤、可復盤、可繼續操作的現場記錄。

AI 看到的不再只是一片像素，而是一張帶結構的桌面地圖。

這就像給一個會讀菜譜的人配上廚房燈、砧板和鍋鏟。沒有這些東西，廚藝只能停在嘴上。加上這些東西，才有可能開火。

為什么現在才變得關鍵

Peekaboo 并非橫空出世。

它早在去年6月就已上線初版，問題是過去的模型能力還沒完全到位。

視覺模型能看圖，但未必能穩定理解復雜界面。

Computer-Use 能操作，但經常像第一次摸觸控板的人，動作大，心里虛，偶爾還會把瀏覽器當滑板。

最近的變化在于，模型視覺能力和 Computer-Use 能力都過了一個臨界點。

單項進步看起來只是多識別一點、多點準一點、多理解一步，疊起來之后，體驗會發生質變。

Agent 不再只是偶爾能演示一下，而是開始接近可持續跑流程的狀態。

這時，底層自動化工具的價值被放大。

模型再聰明，也需要穩定輸入和穩定執行。

沒有 Peekaboo 這樣的橋，AI 對桌面的理解就容易停在截圖問答。

它能說出屏幕上有什么，卻不一定能可靠地完成下一步。

Peekaboo 做的事情，就是把「看見」和「動手」接到一起。

OpenClaw 為什么需要它

OpenClaw 最初打動人的地方，是把 Agent 放進各種消息渠道。

用戶可以從 Telegram、Slack、iMessage、WhatsApp 一類入口發起任務。

這個設計抓住了一個現實問題——人已經懶得為每個 AI 打開一個新網頁，也不想在不同工具之間來回搬運上下文。

最順手的入口，往往就是聊天窗口。

可聊天窗口只是入口。真正的工作場景常常在電腦里。

要處理一個網頁后臺，要檢查一個本地應用，要跑一個模擬器，要填一個表單，要點一個配置項，要看一張報錯截圖。

OpenClaw 可以把任務接進來，Agent 可以想出步驟，但如果沒有能操作屏幕的本地層，它最終還是要把步驟發回給人，讓人自己動手。

這就尷尬了。

用戶叫來一個助手，最后助手遞過來一張待辦清單。

Peekaboo 接入之后，OpenClaw 的角色開始變化。

它不再只是多渠道消息網關，也不只是 Agent 的調度臺。

它有機會成為一個能在本機環境里真正辦事的系統。

一句話概括，OpenClaw 管「誰來找我」「要做什么」「交給哪個 Agent」，Peekaboo 管「屏幕上有什么」「按鈕在哪里」「這一刀該往哪兒落」。

開發工具，潛力巨大

社區里已經有人用 Peekaboo 在瀏覽器里驅動遠程 iOS 模擬器。

流程大概是，先讓 Peekaboo 分析一張移動應用截圖，識別出它是 Little Vault 的歡迎頁，頁面上有應用 Logo、標題、關于私人記憶的標語、創建 Vault 的主按鈕、登錄入口，以及右上角的語言選擇器。

隨后注冊這個屏幕，點擊 Create Your Vault，等待界面變化，再截圖，繼續進行探索。

這段演示有意思，因為它展示的并非單純「AI 看懂一張圖」。真正關鍵的是后半段。

看懂之后，它要把屏幕注冊為一個狀態，要選擇目標，要執行點擊，要等待反饋，要根據新截圖繼續走。

這里面每一步都可能出錯，每一步也都可以被記錄下來。

這才是 Agent 從玩具走向工具的分界線。

Peekaboo 把這些動作變得可觀察、可復盤、可繼續。

對 OpenClaw 來說，這等于讓遠程指令和本地執行之間出現了一條可鋪設的軌道。

Peter 忙著更新些什么

這幾天的更新看起來有些工程瑣碎，比如模型目錄、工具 schema、打包產物、版本標記、捕獲路徑、daemon 調度。

這些詞放進發布公告里不一定吸睛，卻正是 Agent 產品能不能跑起來的地基。

AI 工具最怕一種場景——演示時行云流水，用戶一裝就各種權限、路徑、模型、窗口、截圖、輸入法、延遲問題接連冒頭。

最后用戶也只能得出結論——未來確實來了，就是還沒到自己電腦上。

Peekaboo 的連續更新，在修的就是這類問題。

它要讓 CLI、MCP、桌面應用、遠程 Agent、不同模型之間盡量減小摩擦。

它要讓一次截圖、一次點擊、一次窗口選擇都更接近可預期。

這里沒有神跡，只有大量臟活。臟活做得越多，用戶越少感知到它。

好工具的最高境界往往是沒存在感。按鈕該點就點，窗口該找就找，任務該繼續就繼續。

Peekaboo 現在就在往這個方向補課。

它讓 OpenClaw 從會聊天變成會干活

OpenClaw 過去解決的是連接問題。

人從哪里發消息，消息怎么進來，Agent 怎么處理，結果怎么回去。

Peekaboo 解決的是執行問題。Agent 接到任務以后，能不能看到真實桌面，能不能找到可操作對象，能不能一步步推進。

這兩個問題合在一起，才接近普通人想象中的 AI 助手。

加上 Peekaboo，OpenClaw 才開始像值班的工程師，能登錄機器、看屏幕、查問題、點配置、跑流程，讓人愿意把事托付出去。

這也是 Peekaboo 對 OpenClaw 的真正意義。

它把 OpenClaw 從消息系統往操作系統的邊緣推了一步。

再往前走，OpenClaw 就不只是 AI 的入口，而可能成為 AI 操作個人電腦和個人工作流的本地控制層。

參考資料：

https://peekaboo.sh

https://github.com/openclaw/Peekaboo