vault backup: 2026-06-09 23:15:17

claude-code-best/docs/features/computer-use-tools-reference.md

@@ -1,29 +1,28 @@
-# Computer Use 工具参考文档
-
-## 概览
-
-Computer Use 提供 38 个工具，分为三类：
-
-| 分类 | 平台 | 工具数 | 说明 |
-|------|------|--------|------|
-| 通用工具 | 全平台 | 24 | 官方 Computer Use 标准能力 |
-| Windows 专属工具 | Win32 | 11 | 绑定窗口模式下的增强能力 |
-| 教学工具 | 全平台 | 3 | 分步引导模式（需 teachMode 开启） |
-
+---
+tags: [computer-use, windows, 工具参考, virtual-mouse, virtual-keyboard, ui-automation]
+create time: 2026-06-09 22:30
 ---
 
-## 一、通用工具（24 个）
+# Computer Use 工具参考文档
+
+## 概述
+
+Computer Use 提供 38 个工具，分为通用工具（24 个，全平台）、Windows 专属工具（12 个，绑定窗口模式增强）和教学工具（3 个）三类。本文档是完整的工具参数和使用说明参考。
+
+## 正文
+
+### 一、通用工具（24 个）
 
 全平台可用。未绑定窗口时，操作对象是整个屏幕。
 
-### 权限与会话
+#### 权限与会话
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `request_access` | `apps[]`, `reason`, `clipboardRead?`, `clipboardWrite?`, `systemKeyCombos?` | 请求操作应用的权限。所有其他工具的前置条件 |
 | `list_granted_applications` | — | 列出当前会话已授权的应用 |
 
-### 截图与显示
+#### 截图与显示
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
@@ -31,7 +30,7 @@ Computer Use 提供 38 个工具，分为三类：
 | `zoom` | `region: [x1,y1,x2,y2]` | 截取指定区域的高分辨率图片。坐标基于最近一次全屏截图 |
 | `switch_display` | `display` | 切换截图的目标显示器 |
 
-### 鼠标操作
+#### 鼠标操作
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
@@ -46,7 +45,7 @@ Computer Use 提供 38 个工具，分为三类：
 | `left_mouse_up` | — | 松开左键 |
 | `cursor_position` | — | 获取当前鼠标位置 |
 
-### 键盘操作
+#### 键盘操作
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
@@ -54,26 +53,26 @@ Computer Use 提供 38 个工具，分为三类：
 | `key` | `text` (如 "ctrl+s"), `repeat?` | 按键/组合键 |
 | `hold_key` | `text`, `duration` (秒) | 按住键指定时长 |
 
-### 滚动
+#### 滚动
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `scroll` | `coordinate`, `scroll_direction`, `scroll_amount` | 滚动。方向: up/down/left/right |
 
-### 应用管理
+#### 应用管理
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `open_application` | `app` | 打开应用。Windows 上自动绑定窗口 |
 
-### 剪贴板
+#### 剪贴板
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `read_clipboard` | — | 读取剪贴板文字 |
 | `write_clipboard` | `text` | 写入剪贴板 |
 
-### 其他
+#### 其他
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
@@ -82,32 +81,23 @@ Computer Use 提供 38 个工具，分为三类：
 
 ---
 
-## 二、Windows 专属工具（12 个）
+### 二、Windows 专属工具（12 个）
 
 仅 Windows 平台可见。核心能力：**绑定窗口后的独立操作——不抢占用户鼠标键盘**。
 
-### 工作模式
+#### 工作模式
 
-```
-┌──────────────────────────────────────────────────┐
-│                  未绑定模式                        │
-│  使用通用工具 (left_click/type/key/scroll)          │
-│  操作对象：整个屏幕                                 │
-│  输入方式：全局 SendInput（会移动真实鼠标）           │
-└──────────────────────────────────────────────────┘
-                        │
-                  bind_window / open_application
-                        ▼
-┌──────────────────────────────────────────────────┐
-│                  绑定窗口模式                      │
-│  使用 Win32 工具 (virtual_mouse/virtual_keyboard)  │
-│  操作对象：绑定的窗口                               │
-│  输入方式：SendMessageW（不动真实鼠标/键盘）          │
-│  可视化：DWM 绿色边框 + 虚拟光标 + 状态指示器        │
-└──────────────────────────────────────────────────┘
+```mermaid
+graph TB
+    A["未绑定模式"] -->|"使用通用工具 left_click/type/key/scroll"| B["操作对象: 整个屏幕"]
+    A -->|"输入方式: 全局 SendInput（会移动真实鼠标）"| B
+    A -->|"bind_window / open_application"| C["绑定窗口模式"]
+    C -->|"使用 Win32 工具 virtual_mouse/virtual_keyboard"| D["操作对象: 绑定的窗口"]
+    C -->|"输入方式: SendMessageW（不动真实鼠标/键盘）"| D
+    C -->|"可视化: DWM 绿色边框 + 虚拟光标 + 状态指示器"| D
 ```
 
-### 窗口绑定
+#### 窗口绑定
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
@@ -122,33 +112,29 @@ Computer Use 提供 38 个工具，分为三类：
 | `unbind` | — | 解除绑定，恢复全屏模式 |
 | `status` | — | 查看当前绑定状态（hwnd、title、pid、窗口矩形） |
 
-### 窗口管理
+#### 窗口管理
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `window_management` | `action`, `x?`, `y?`, `width?`, `height?` | 窗口操作（Win32 API，不走全局快捷键） |
 
-**动作详情：**
-
 | action | 说明 |
 |--------|------|
 | `minimize` | ShowWindow(SW_MINIMIZE) |
 | `maximize` | ShowWindow(SW_MAXIMIZE) |
-| `restore` | ShowWindow(SW_RESTORE) — 恢复最小化/最大化 |
-| `close` | SendMessage(WM_CLOSE) — 优雅关闭 |
-| `focus` | SetForegroundWindow + BringWindowToTop — 激活窗口 |
-| `move_offscreen` | SetWindowPos(-32000,-32000) — 移到屏幕外（仍可 SendMessage/PrintWindow） |
-| `move_resize` | SetWindowPos — 移动/缩放到指定位置和大小 |
-| `get_rect` | GetWindowRect — 获取当前位置和大小 |
+| `restore` | ShowWindow(SW_RESTORE) |
+| `close` | SendMessage(WM_CLOSE) |
+| `focus` | SetForegroundWindow + BringWindowToTop |
+| `move_offscreen` | SetWindowPos(-32000,-32000) |
+| `move_resize` | SetWindowPos |
+| `get_rect` | GetWindowRect |
 
-### 虚拟鼠标
+#### 虚拟鼠标
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `virtual_mouse` | `action`, `coordinate: [x,y]`, `start_coordinate?` | 在绑定窗口内操作虚拟鼠标 |
 
-**动作详情：**
-
 | action | 说明 |
 |--------|------|
 | `click` | 左键点击。虚拟光标移动到坐标 + 闪烁动画 |
@@ -168,14 +154,12 @@ Computer Use 提供 38 个工具，分为三类：
 | 用户干扰 | 有 | **无** |
 | 适用场景 | 未绑定时 | **绑定后** |
 
-### 虚拟键盘
+#### 虚拟键盘
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `virtual_keyboard` | `action`, `text`, `duration?`, `repeat?` | 在绑定窗口内操作虚拟键盘 |
 
-**动作详情：**
-
 | action | text 含义 | 说明 |
 |--------|----------|------|
 | `type` | 要输入的文字 | SendMessageW(WM_CHAR)，支持 Unicode 中文/emoji |
@@ -192,18 +176,17 @@ Computer Use 提供 38 个工具，分为三类：
 | 物理键盘 | 会冲突 | **不冲突** |
 | 适用场景 | 未绑定时 | **绑定后** |
 
-**注意：** SendMessageW 对 Windows Terminal (ConPTY) 等现代应用无效。这些应用需要使用通用工具 + 窗口激活方式操作。
+> [!warning]
+> SendMessageW 对 Windows Terminal (ConPTY) 等现代应用无效。这些应用需要使用通用工具 + 窗口激活方式操作。
 
-### 鼠标滚轮
+#### 鼠标滚轮
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `mouse_wheel` | `coordinate: [x,y]`, `delta`, `direction?` | WM_MOUSEWHEEL 鼠标中键滚轮 |
 
-**参数说明：**
 - `delta`: 正值=向上，负值=向下。每 1 单位 ≈ 3 行
 - `direction`: "vertical"（默认）或 "horizontal"
-- `coordinate`: 滚轮作用点——决定哪个面板/区域接收滚动
 
 **与通用 `scroll` 的区别：**
 
@@ -214,40 +197,27 @@ Computer Use 提供 38 个工具，分为三类：
 | 浏览器 | ❌ | ✅ |
 | 代码编辑器 | ❌ | ✅ |
 
-### 元素级操作
+#### 元素级操作
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
 | `click_element` | `name?`, `role?`, `automationId?` | 按无障碍名称/角色点击 GUI 元素 |
 | `type_into_element` | `name?`, `role?`, `automationId?`, `text` | 按名称向元素输入文字 |
 
-**工作原理：**
+**工作原理**：
+
 1. 通过 UI Automation 在绑定窗口中查找匹配元素
 2. `click_element`: 先尝试 InvokePattern（按钮/菜单），失败则 SendMessage 点击 BoundingRect 中心
 3. `type_into_element`: 先尝试 ValuePattern 直接设值，失败则点击聚焦 + WM_CHAR 输入
 
-**适用场景：**
-- 截图中看到元素名称但坐标不精确时
-- Accessibility Snapshot 列出了元素的 name/automationId 时
-- 比坐标点击更可靠（不受窗口缩放/DPI 影响）
-
-### 终端交互
+#### 终端交互
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
-| `open_terminal` | `agent`, `command?` | 打开新终端窗口并启动 AI agent（claude/codex/gemini/custom）。自动绑定窗口并截图验证 |
-| `activate_window` | `click_x?`, `click_y?` | 激活绑定窗口：SetForegroundWindow + BringWindowToTop + 点击确保焦点 |
+| `open_terminal` | `agent`, `command?` | 打开新终端窗口并启动 AI agent（claude/codex/gemini/custom） |
+| `activate_window` | `click_x?`, `click_y?` | 激活绑定窗口 |
 | `prompt_respond` | `response_type`, `arrow_direction?`, `arrow_count?`, `text?` | 处理终端 Yes/No/选择提示 |
 
-**open_terminal agent 类型：**
-
-| agent | 命令 | 说明 |
-|-------|------|------|
-| `claude` | `claude` | 启动 Claude Code |
-| `codex` | `codex` | 启动 Codex |
-| `gemini` | `gemini` | 启动 Gemini |
-| `custom` | 用户指定 | 自定义命令 |
-
 **response_type 详情：**
 
 | response_type | 操作 | 场景 |
@@ -259,7 +229,7 @@ Computer Use 提供 38 个工具，分为三类：
 | `select` | ↑/↓ 箭头 × N + Enter | inquirer 选择菜单 |
 | `type` | 输入文字 + Enter | 文本输入提示 |
 
-### 状态指示器
+#### 状态指示器
 
 | 工具 | 参数 | 说明 |
 |------|------|------|
@@ -267,7 +237,7 @@ Computer Use 提供 38 个工具，分为三类：
 
 ---
 
-## 三、教学工具（3 个）
+### 三、教学工具（3 个）
 
 需要 `teachMode` 开启。
 
@@ -279,9 +249,9 @@ Computer Use 提供 38 个工具，分为三类：
 
 ---
 
-## 操作流程
+### 操作流程示例
 
-### 流程 1：全屏操作（未绑定）
+#### 流程 1：全屏操作（未绑定）
 
 ```
 request_access(apps=["Notepad"])
@@ -292,7 +262,7 @@ type(text="hello world")                 ← 全局 SendInput
 key(text="ctrl+s")                       ← 全局 SendInput
 ```
 
-### 流程 2：绑定窗口操作（推荐，不干扰用户）
+#### 流程 2：绑定窗口操作（推荐，不干扰用户）
 
 ```
 request_access(apps=["Notepad"])
@@ -306,7 +276,7 @@ mouse_wheel(coordinate=[500, 400], delta=-5)           ← 向下滚动
 bind_window(action="unbind")             ← 解除绑定
 ```
 
-### 流程 3：按元素名称操作
+#### 流程 3：按元素名称操作
 
 ```
 bind_window(action="bind", title="记事本")
@@ -315,27 +285,9 @@ click_element(name="保存", role="Button") ← UI Automation 查找并点击
 type_into_element(role="Edit", text="new content")
 ```
 
-### 流程 4：终端交互
-
-```
-bind_window(action="bind", title="PowerShell")
-screenshot
-prompt_respond(response_type="yes")      ← 回答 y + Enter
-prompt_respond(response_type="select", arrow_direction="down", arrow_count=2)  ← 选第3项
-```
-
-### 流程 5：Excel/浏览器滚动
-
-```
-bind_window(action="bind", title="Excel")
-screenshot
-mouse_wheel(coordinate=[600, 400], delta=-10)            ← 向下滚动 10 格
-mouse_wheel(coordinate=[600, 400], delta=5, direction="horizontal")  ← 向右滚动
-```
-
 ---
 
-## 应用兼容性
+### 应用兼容性
 
 | 应用类型 | SendMessageW (virtual_*) | 元素操作 (click_element) | 注意 |
 |---------|--------------------------|------------------------|------|
@@ -346,11 +298,12 @@ mouse_wheel(coordinate=[600, 400], delta=5, direction="horizontal")  ← 向右
 | UWP/WinUI (Windows Terminal) | ❌ | ❌ | ConPTY 不接受 SendMessageW |
 | 浏览器网页内容 | ❌ | ❌ | 需要全局 SendInput |
 
-**对于不支持 SendMessageW 的应用**，使用通用工具 (`left_click`/`type`/`key`) + `window_management(action="focus")` 先激活窗口。
+> [!tip]
+> 对于不支持 SendMessageW 的应用，使用通用工具 (`left_click`/`type`/`key`) + `window_management(action="focus")` 先激活窗口。
 
 ---
 
-## 绑定窗口时的可视化
+### 绑定窗口时的可视化
 
 绑定窗口后自动启动三层可视化：
 
@@ -360,7 +313,7 @@ mouse_wheel(coordinate=[600, 400], delta=5, direction="horizontal")  ← 向右
 
 ---
 
-## Accessibility Snapshot
+### Accessibility Snapshot
 
 每次 `screenshot` 时，如果窗口已绑定，会自动附带 GUI 元素列表：
 
@@ -373,103 +326,66 @@ GUI elements in this window:
 [CheckBox] "Auto-save" (300,50 100x20) enabled id=chkAutoSave
 ```
 
-模型同时收到 **截图图片 + 结构化元素列表**，可以选择：
-- 用坐标操作：`virtual_mouse(action="click", coordinate=[120, 50])`
-- 用名称操作：`click_element(name="Save")`
+模型同时收到 **截图图片 + 结构化元素列表**，可以选择用坐标操作或用名称操作。
 
 ---
 
-## UI Automation Control Patterns 参考
+### UI Automation Control Patterns 参考
 
-`click_element` / `type_into_element` 底层使用 UI Automation Control Patterns。当前已实现的和可扩展的：
+`click_element` / `type_into_element` 底层使用 UI Automation Control Patterns：
 
 | Pattern | 用途 | 当前状态 | 可用于 |
 |---------|------|---------|--------|
-| `InvokePattern` | 触发点击 | ✅ 已实现 (`click_element`) | 按钮、菜单项、链接 |
-| `ValuePattern` | 读写文本值 | ✅ 已实现 (`type_into_element`) | 文本框、组合框 |
+| `InvokePattern` | 触发点击 | ✅ 已实现 | 按钮、菜单项、链接 |
+| `ValuePattern` | 读写文本值 | ✅ 已实现 | 文本框、组合框 |
 | `TogglePattern` | 切换状态 | ❌ 未实现 | 复选框、开关 |
 | `SelectionPattern` | 选择项目 | ❌ 未实现 | 下拉菜单、列表 |
-| `ScrollPattern` | 编程滚动 | ❌ 未实现（用 `mouse_wheel` 替代） | 列表、树、面板 |
+| `ScrollPattern` | 编程滚动 | ❌ 未实现 | 列表、树、面板 |
 | `ExpandCollapsePattern` | 展开/折叠 | ❌ 未实现 | 树节点、折叠面板 |
-| `WindowPattern` | 窗口操作 | ❌ 未实现（用 `window_management` 替代） | 窗口最大化/关闭 |
+| `WindowPattern` | 窗口操作 | ❌ 未实现 | 窗口最大化/关闭 |
 | `TextPattern` | 读取文档文本 | ❌ 未实现 | 文档、富文本 |
 | `GridPattern` | 表格操作 | ❌ 未实现 | Excel 单元格、数据网格 |
 | `TablePattern` | 表格结构 | ❌ 未实现 | 表头、行列关系 |
 | `RangeValuePattern` | 范围值操作 | ❌ 未实现 | 滑块、进度条 |
 | `TransformPattern` | 移动/缩放 | ❌ 未实现 | 可拖拽元素 |
 
-**扩展路线：** 优先实现 `TogglePattern`（复选框）和 `SelectionPattern`（下拉菜单），这两个在表单自动化中最常用。
+> [!question]
+> 扩展路线：优先实现 `TogglePattern`（复选框）和 `SelectionPattern`（下拉菜单），这两个在表单自动化中最常用。
 
 ---
 
-## 屏幕截取技术方案对比
-
-当前使用 Python Bridge (mss) 进行截图，底层是 GDI BitBlt。三种方案对比：
+### 屏幕截取技术方案对比
 
 | 方案 | API | 当前状态 | 性能 | 优势 | 限制 |
 |------|-----|---------|------|------|------|
-| **GDI BitBlt** | `BitBlt` / `PrintWindow` | ✅ 当前使用 (mss/bridge.py) | ~300ms | 简单稳定，支持后台窗口 (PrintWindow) | 不支持硬件加速内容、DPI 处理复杂 |
-| **DXGI Desktop Duplication** | `IDXGIOutputDuplication` | ❌ 未实现 | ~16ms (60fps) | 硬件加速，支持 HDR，GPU 直接读取 | 不支持单窗口截取，需 D3D11 |
-| **Windows.Graphics.Capture** | `GraphicsCaptureItem` | ❌ 未实现 | ~16ms | 最新 API，支持单窗口/单显示器，系统级权限管理 | Win10 1903+，首次需用户确认 |
+| **GDI BitBlt** | `BitBlt` / `PrintWindow` | ✅ 当前使用 (mss/bridge.py) | ~300ms | 简单稳定，支持后台窗口 | 不支持硬件加速内容 |
+| **DXGI Desktop Duplication** | `IDXGIOutputDuplication` | ❌ 未实现 | ~16ms (60fps) | 硬件加速，GPU 直接读取 | 不支持单窗口截取 |
+| **Windows.Graphics.Capture** | `GraphicsCaptureItem` | ❌ 未实现 | ~16ms | 最新 API，支持单窗口/单显示器 | Win10 1903+ |
 
-### 推荐升级路径
+#### 推荐升级路径
 
-```
-当前: GDI BitBlt (mss) ─── 全屏 ~300ms, 窗口 ~300ms (PrintWindow)
-  │
-  ├─ 近期: DXGI Desktop Duplication ─── 全屏 ~16ms, 但不支持单窗口
-  │
-  └─ 远期: Windows.Graphics.Capture ─── 全屏 + 单窗口都 ~16ms
-```
-
-### DXGI Desktop Duplication 实现要点
-
-```python
-# bridge.py 中可添加 DXGI 截图（通过 d3dshot 或 dxcam 库）
-import dxcam  # pip install dxcam
-
-camera = dxcam.create()
-frame = camera.grab()  # numpy array, ~5ms
-# 转为 JPEG base64 发送
-```
-
-### Windows.Graphics.Capture 实现要点
-
-```python
-# 需要 WinRT Python 绑定
-# pip install winrt-Windows.Graphics.Capture winrt-Windows.Graphics.DirectX
-# 限制：首次调用需要用户在系统弹窗中确认权限
+```mermaid
+graph LR
+    A["当前: GDI BitBlt mss 全屏~300ms"] --> B["近期: DXGI Desktop Duplication 全屏~16ms"]
+    B --> C["远期: Windows.Graphics.Capture 全屏+单窗口~16ms"]
 ```
 
 ---
 
-## 输入方式技术矩阵
-
-不同应用类型需要不同的输入方式：
+### 输入方式技术矩阵
 
 | 输入方式 | API | 优势 | 限制 | 适用应用 |
 |---------|-----|------|------|---------|
-| **SendMessageW** | `WM_CHAR` / `WM_KEYDOWN` | 不抢焦点，不动真实键鼠 | 现代应用不支持 | Win32 传统应用 (记事本/Office/WPF) |
-| **SendInput** | `INPUT` 结构体 | 所有应用都支持 | **必须前台焦点**，会干扰用户 | 所有应用（通用后备） |
-| **WriteConsoleInput** | 控制台 API | 直接写入控制台缓冲区 | 需要 AttachConsole（可能被拒绝） | cmd/PowerShell（非 Windows Terminal） |
-| **UI Automation** | `InvokePattern` / `ValuePattern` | 语义级操作，最可靠 | 部分应用不暴露 UIA 接口 | 支持 UIA 的应用 |
+| **SendMessageW** | `WM_CHAR` / `WM_KEYDOWN` | 不抢焦点，不动真实键鼠 | 现代应用不支持 | Win32 传统应用 |
+| **SendInput** | `INPUT` 结构体 | 所有应用都支持 | 必须前台焦点 | 所有应用（通用后备） |
+| **WriteConsoleInput** | 控制台 API | 直接写入控制台缓冲区 | 需要 AttachConsole | cmd/PowerShell |
+| **UI Automation** | `InvokePattern` / `ValuePattern` | 语义级操作，最可靠 | 部分应用不暴露 UIA | 支持 UIA 的应用 |
 | **COM Automation** | Excel/Word COM | 完全编程控制 | 仅 Office 应用 | Excel / Word |
 | **剪贴板 + 粘贴** | `SetClipboardData` + `Ctrl+V` | 绕过输入限制 | 会覆盖用户剪贴板 | 通用后备 |
 
-### 按应用类型的推荐输入策略
-
-| 应用类型 | 首选 | 后备 | 说明 |
-|---------|------|------|------|
-| 传统 Win32 (记事本/写字板) | SendMessageW | UIA ValuePattern | 虚拟输入完美工作 |
-| Office (Excel/Word) | COM Automation | SendMessageW | COM 提供结构化操作 |
-| WPF 应用 | SendMessageW | UIA | 标准 Win32 消息循环 |
-| Electron/Chrome 应用 | UIA | 剪贴板粘贴 | 内部渲染不走 Win32 |
-| Windows Terminal (ConPTY) | SendInput (需前台) | 剪贴板粘贴 | ConPTY 不接受外部消息 |
-| UWP/WinUI 应用 | SendInput (需前台) | UIA | XAML 渲染不走 Win32 消息 |
-
 ---
 
-## 已知限制与待解决
+### 已知限制与待解决
 
 | 限制 | 影响 | 计划 |
 |------|------|------|
@@ -477,13 +393,13 @@ frame = camera.grab()  # numpy array, ~5ms
 | PrintWindow 截不到 alternate screen buffer | Ink REPL 画面截不到 | 切换到 Windows.Graphics.Capture |
 | Accessibility Snapshot 对大应用慢 (>30s) | Excel 等复杂应用超时 | 限制遍历深度 + 超时保护 |
 | DWM 边框对自定义标题栏应用可能无效 | 某些 Electron 应用看不到边框 | 检测并回退到叠加窗口方案 |
-| 虚拟光标是 PowerShell WinForms 进程 | 启动慢 (~1s)，资源占用 | 考虑用 Win32 原生窗口替代 |
 
 ---
 
-## 技术路线图
+### 技术路线图
+
+#### Phase 1（当前）— 基础功能
 
-### Phase 1（当前）— 基础功能
 - ✅ SendMessageW 虚拟输入
 - ✅ PrintWindow/mss 截图
 - ✅ UI Automation (InvokePattern + ValuePattern)
@@ -491,17 +407,26 @@ frame = camera.grab()  # numpy array, ~5ms
 - ✅ DWM 边框指示
 - ✅ Python Bridge
 
-### Phase 2（近期）— 兼容性增强
+#### Phase 2（近期）— 兼容性增强
+
 - ⬜ 应用类型自动检测（Win32 vs Terminal vs UWP）
 - ⬜ 终端类应用自动切换 SendInput + 短暂激活
 - ⬜ TogglePattern / SelectionPattern 支持
 - ⬜ DXGI Desktop Duplication 高速截图
 - ⬜ Accessibility Snapshot 超时保护
 
-### Phase 3（远期）— 高级能力
+#### Phase 3（远期）— 高级能力
+
 - ⬜ Windows.Graphics.Capture（单窗口实时截图）
 - ⬜ 截图元素标注（在截图上标记 ID 数字）
 - ⬜ 浏览器 DOM 提取（绑定浏览器时提取网页结构）
 - ⬜ GridPattern / TablePattern（Excel 单元格级操作）
 - ⬜ TextPattern（文档内容读取）
 - ⬜ 多窗口协同操作
+
+## 关联笔记
+
+- [[computer-use]]
+- [[computer-use-architecture-v2]]
+- [[computer-use-windows-enhancement]]
+- [[computer-use-mcp-test-report]]