企业官网建设流程全解析

1. 从 Claude Code 源码看 Computer Use 到底在 Mac 上做了什么

Claude Code 的 Computer Use 能力，简单说就是让模型能“看见”屏幕并“动手”操作：截屏拿到当前画面，再用鼠标键盘事件去点击、输入、滚动。它适合谁？适合想把重复的 GUI 操作交给 Agent 的开发者，比如自动打开浏览器查资料、批量填表单、跑一遍端到端流程。但很多人卡在第一步：源码里那套控制链路到底怎么在 Mac 上跑起来，权限怎么给，配置写在哪，Key 和 API 通道怎么接。

我这次把 Claude Code 源码里 Computer Use 的调用链拆了一遍，重点看它在 Mac 上如何调用系统能力。核心结论先放这：它并不是直接调 AppleScript 或 Accessibility API 的裸接口，而是通过一层“宿主环境适配器”把高层工具调用翻译成原生模块动作，原生模块再落到 macOS 的辅助功能与屏幕录制权限上。整条链路大致是：会话上下文管理 → 宿主环境适配器 → CLI 执行器 → 原生模块（鼠标键盘 / 截屏应用管理）。会话上下文负责状态、权限检查、文件锁；适配器负责创建执行器、检查权限；CLI 执行器包装两个原生模块，一个管输入，一个管截图和应用切换。

理解这条链路后，配置就不再是玄学。你需要做的是：给终端或宿主进程授予辅助功能和屏幕录制权限，准备一份 settings.json 描述允许操作的应用白名单，再用 config.toml 把模型通道指向统一入口。下面我按可复制的顺序，把配置骨架和验证动作写清楚，你照着改路径就能在本地复现控制流程。

2. TaoToken 前置：统一 Key 与 API 通道，别让多套凭证拖慢调试

在复现 Computer Use 之前，先把模型通道理顺。Claude Code 这类工具在跑 Agent 循环时会频繁请求模型，如果每个环节用不同 Key、不同 Base URL，排障时你根本分不清是权限问题还是鉴权问题。我的做法是统一走 TaoToken 的 API 通道，一个 Key 覆盖对话与编码场景，Base URL 固定成https://taotoken.net/api，这样 settings.json 和 config.toml 里只维护一处凭证。

具体操作：先到控制台创建 API Key，地址是https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite，创建后复制保存，它只显示一次。如果你主要做长期编码或 Agent 任务，可以看 Coding Plan 的额度说明：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite。想先验证模型是否通，用模型对话页发一条消息即可：https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite。Key 管理入口在https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite，接入文档在https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite。

注意：Key 不要写进会提交到 Git 的文件。用环境变量注入，配置文件里只引用变量名。

这一步做完，你手里应该有一个可用的 Key 和一个固定的 Base URL。接下来所有配置都围绕这两个值展开。

3. 可复制配置：settings.json 与 config.toml 骨架

Claude Code 在 Mac 上的配置分两层：一层是工具自身的 settings.json，描述权限、白名单、执行器行为；另一层是模型通道的 config.toml，描述 provider、base_url、model。下面给的是骨架，路径和包名按你本地实际改。

先看 settings.json。它放在项目根目录或用户配置目录下，核心字段包括computerUse开关、allowedApps白名单、screenshot参数、lock锁文件路径。白名单很关键，源码里截图方法会接收允许的应用列表，不在列表里的应用会被排除，避免模型看到无关窗口。

{ "computerUse": { "enabled": true, "allowedApps": ["Safari", "Finder", "Terminal"], "screenshot": { "quality": 70, "maxWidth": 1440, "displayId": 0, "excludeTerminal": true }, "lock": { "path": "/tmp/claude-computer-use.lock", "timeoutMs": 30000 }, "input": { "moveDurationMs": 120, "clickDelayMs": 80, "typeDelayMs": 30 } } }

几个参数说明：quality控制截图压缩质量，太高传输慢，太低模型看不清小字，70 是实测比较平衡的值；maxWidth限制截图宽度，Retina 屏原始分辨率很大，缩到 1440 能明显降延迟；excludeTerminal对应源码里的终端特殊处理，避免终端窗口被截进去或被误点；lock.path是文件锁，保证同一时间只有一个会话操作电脑，多开时会排队。

再看 config.toml，把模型通道指向 TaoToken。这里用环境变量引用 Key，避免明文。

[provider] name = "taotoken" base_url = "https://taotoken.net/api" api_key_env = "TAOTOKEN_API_KEY" [model] name = "claude-sonnet" max_tokens = 4096 temperature = 0.2 [agent] computer_use = true settings_path = "./settings.json"

然后在 shell 里导出 Key：

export TAOTOKEN_API_KEY="你的Key"

如果你用的是 ClaudeCodeAnthropic 兼容入口，可以参考https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude-code-anthropic&utm_campaign=rewrite里的说明对齐字段名。配置写完后，先别急着跑控制流程，先做一次纯文本请求验证通道。

4. 验证请求：先通模型，再通控制链路

验证分两步，先确认模型通道通，再确认 Computer Use 控制链路通。第一步用 curl 打一次对话请求，确认 Key 和 Base URL 正确。

curl -s https://taotoken.net/api/v1/messages \ -H "Content-Type: application/json" \ -H "x-api-key: $TAOTOKEN_API_KEY" \ -H "anthropic-version: 2023-06-01" \ -d '{ "model": "claude-sonnet", "max_tokens": 128, "messages": [{"role": "user", "content": "回复 ok 两个字母"}] }'

返回里能看到content字段带ok，说明通道没问题。如果返回 401，检查 Key 是否带空格；返回 404，检查 base_url 是否多了斜杠。

第二步验证控制链路。先确认系统权限：打开“系统设置 → 隐私与安全性 → 辅助功能”，把你的终端（iTerm 或 Terminal）加进去并勾选；再到“屏幕录制”里同样加上终端。这两项缺一不可，源码里的权限检查会同时验证它们，缺哪个都会在会话初始化阶段失败。

权限给完后，跑一个最小控制动作：让 Agent 打开 Safari 并截一张图。你可以用 CLI 触发，也可以写个脚本调执行器。下面用脚本方式演示，重点是观察日志里会话初始化、权限检查、截图返回三个阶段。

TAOTOKEN_API_KEY=$TAOTOKEN_API_KEY node ./run-computer-use.js \ --task "打开 Safari，访问 example.com，截图保存到 /tmp/shot.png" \ --settings ./settings.json

成功时你会看到类似输出：session initialized、permissions ok: accessibility=true, screenRecording=true、screenshot saved: /tmp/shot.png, size=1440x900。打开/tmp/shot.png应该能看到 Safari 窗口内容，且终端窗口不在截图里，这说明excludeTerminal生效了。如果截图是黑屏，多半是屏幕录制权限没给终端；如果点击没反应，多半是辅助功能权限没生效，重启终端再试。

5. 本篇常见错排查：Mac 上 Computer Use 跑不起来的几个坑

第一个坑是权限给了但没重启进程。macOS 的辅助功能和屏幕录制权限在进程启动时读取，你给终端授权后必须完全退出终端再打开，否则旧进程仍然没有权限。源码里的权限检查会返回 false，但错误提示可能只写“permission denied”，不告诉你是哪一项。

第二个坑是坐标偏移。源码用逻辑坐标再转物理坐标，如果你外接了显示器且缩放不是默认值，displayId选错会导致点击落到别的屏幕。排查方法：把displayId设成 0 先只在主屏跑，确认无误再改。另外maxWidth缩放后，模型返回的坐标是基于缩放图的，执行器会做反向换算，如果你自己改了这个值又改了换算逻辑，就容易偏。

第三个坑是锁文件残留。上次会话异常退出，/tmp/claude-computer-use.lock没释放，下次启动会一直等锁超时。手动删掉锁文件即可，或者把timeoutMs调小一点加快失败反馈。

第四个坑是白名单太窄。allowedApps里没写目标应用，截图时该应用被排除，模型看不到内容，就会反复尝试打开或点击空白区域。日志里会显示app not in allowlist，把应用名加进去就行，注意用应用显示名而不是进程名。

第五个坑是 Key 注入失败。config.toml 里写的是api_key_env，如果你在 IDE 里跑而不是在 shell 里跑，环境变量可能没继承。排查方法：在脚本里打印process.env.TAOTOKEN_API_KEY是否存在，不存在就改用启动配置注入。接入文档里有环境变量注入的示例，遇到鉴权类报错可以先对照https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite检查字段名。

6. 把控制流程接进你的日常编码

配置跑通后，你可以把 Computer Use 接进日常流程：让 Agent 在跑完测试后自动打开浏览器验证页面，或者批量处理需要 GUI 的重复操作。长期做编码和 Agent 任务的话，用 Coding Plan 的额度更省心，入口在https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite。Key 和通道统一走 TaoToken 后，settings.json 和 config.toml 只需要维护一处凭证，排障时能快速区分是权限问题还是鉴权问题。

最后留一个实用技巧：把screenshot.quality和maxWidth做成环境变量覆盖，调试时临时调低加快循环，正式跑时再调高保证识别率。这样你不用改配置文件就能在两种模式间切换。