做了一个 Skill：让 AI 真正操作电脑（看屏幕->找元素->等待->点击/输入）

[murongxdb]

让 AI 真正去“操作电脑”，而不是只给你步骤建议。

这个 Skill 现在已经能跑完整闭环：

截图 -> 解析 UI 元素 -> find/wait 定位目标 -> click/type/hotkey 执行 -> 再截图继续

它提供的能力：

• UI 截图解析（元素类型、文字、坐标、可点击状态）
• find：按 type/文本/正则找元素
• wait：等元素出现/消失再执行
• click / click-xy / type / key / hotkey / screenshot
• calibrate：多屏、DPI 、窗口偏移坐标校准

这个 Skill 可以直接安装到 OpenClaw ，让 OpenClaw 的 agent 调用它来控制电脑执行任务。

边界也说清楚：

• 需要 GUI 会话时，才可真实点击/输入/截图
• 无 GUI （ headless ）下，可做解析、find/wait/calibrate ，但不能真实操作桌面

https://github.com/murongg/ui-element-ops

[kevan]

成熟的解决方案： https://midscenejs.com/zh/skills.html

[murongxdb]

@kevan 挺好