用途：omni-vu 为 macOS 提供“眼睛和手”，用于查看屏幕内容、理解界面状态、检测变化并执行鼠标键盘自动化。适合调试 UI 问题、验证界面改动、等待构建或部署完成、理解用户描述的屏幕内容、自动化重复操作以及截图记录功能。读写文件、执行终端命令或调用 API 时应使用其他工具；未授予屏幕录制权限时不应使用。
主要能力：捕获方面有 vu（全屏）、vu_window（按窗口 ID 或标题匹配）、vu_region（指定矩形区域）、vu_list_windows（列出可见窗口及元数据）、vu_list_monitors（列出显示器分辨率与缩放）。视觉方面 vu_describe 可先截图再交给 AI 分析，支持 claude、openai、gemini、ollama 提供方，并可设置 max_tokens。辅助工具有 vu_diff（检测屏幕是否变化及差异百分比）、vu_history（最近捕获元数据）、vu_last（最近一次捕获图像）、vu_status（系统信息）。自动化方面有 vu_click、vu_move、vu_drag、vu_scroll、vu_type、vu_hotkey，坐标按逻辑点校验，拖拽距离上限 2000px，cmd+q、cmd+shift+q、cmd+opt+esc 等危险快捷键被阻止。
使用方式：先捕获再操作，例如先 vu_describe 定位按钮坐标，再 vu_click；按需选择全屏、窗口或区域捕获；视觉提示要具体，如询问是否有错误信息、测试状态或表单字段值；自动化操作之间用 vu_diff 等待界面响应，操作后再次分析验证结果。轮询示例：循环调用 vu_diff(threshold=0.05)，变化后再用 vu_describe 判断构建成功或失败。
配置与限制：需在系统设置中授予屏幕录制与辅助功能权限；视觉分析需在环境变量中配置对应 API 密钥，如 OMNI_VU_ANTHROPIC_API_KEY、OMNI_VU_OPENAI_API_KEY，并可设置 OMNI_VU_DEFAULT_PROVIDER 与 OMNI_VU_SAFETY_LEVEL。捕获历史存于 ~/.omni.vu/captures/。Retina 屏坐标使用逻辑点而非像素，多显示器需先查看显示器排列。资料未提供具体收费价格、支持的其他平台或版本信息。