Desktop 用于让 AI 代理（CC）在 macOS 上完成看屏幕、移动鼠标、点击按钮、输入文字等桌面操作。其核心是不把全屏截图传给 AI，而是用 macOS 原生 OCR 作为“触觉”：鼠标移到哪里就 OCR 哪里，让代理知道当前位置与可点击元素，从而降低延迟与 token 消耗。
感知能力：通过 ocr.py 调用 OCR，支持全屏快速模式（约 240ms）、全屏精确模式带 JSON 包围盒（约 870ms）、鼠标附近局部 OCR（默认 300x200，约 250ms，可用 --size 自定义）以及指定图片 OCR。中文必须使用精确模式，快速模式会出现乱码。JSON 模式输出文字的 bbox 与 center 坐标，可直接传给点击命令。
操控与感知辅助：使用 cliclick 获取鼠标位置、移动、单击、双击、右键和输入文字；按键与快捷键通过 osascript 调 System Events 完成（Return 推荐用 key code 36，因为 cliclick kp:return 在微信等应用可能无效）。另可用 osascript 获取可见应用列表、前台窗口位置与大小、激活应用、点击菜单项；截图通过 screencapture 全屏或 -R 局部完成，用于 OCR 失败时交给 Claude 视觉兜底。
使用流程：先用全屏 OCR 找目标，再移动鼠标并用局部 OCR 触觉确认，然后点击并再次用局部 OCR 验证结果；已知坐标可直接点击。文字输入为先点输入框、全选加删除清空，再用 cliclick 输入。
附带脚本：目录下有 wechat-read.sh（OCR 聊天区域，支持 --bbox）、wechat-send.sh（发文字并 OCR 验证输入框为空）、wechat-send-file.sh（剪贴板 POSIX file 粘贴后回车并验证）。脚本假定微信已打开并停在目标聊天窗口，侧边栏 310、标题栏 50、输入框 110 为固定参数。
安全规则：截屏、OCR、读剪贴板、列窗口、移动鼠标可自动执行；点击、输入文字、切换窗口执行并告知用户；涉及密码、支付、删除、发消息须先询问。禁区包括不操控 Terminal/iTerm、不输入密码、不操作支付页面、不修改系统安全设置。
前提与限制：需 macOS、cliclick（brew install cliclick）和 OCR 环境（~/tools/ocr-env/，pyobjc + Vision Framework）；操作前坐标应动态获取而非硬编码，并注意焦点抢占问题。其他平台支持情况与收费信息暂未提供。