Third Hand - 亚秒级 AI 电脑控制（不截屏，读界面控件+小模型决策，macOS菜单栏助手）

是什么

Third Hand 是一个 macOS 菜单栏 AI 助手：用自然语言让它直接操作你 Mac 上的 App。在对话框里 @ 一个应用，比如 @Spotify play something chill，它就去读 App 的界面控件、点击、输入、检查结果，一条龙办完。

GitHub 上线即涨星的早期项目（★333，v0.1.3，更新非常勤），MIT 开源，Apple Silicon + macOS 14+，开发者 ID 签名公证，直接下载 .app 就能用。

为什么值得看：它换了条路

市面 AI 控电脑清一色「截屏 → 视觉大模型看图 → 想下一步」，一 step 五秒起步，token 烧得肉疼。Third Hand 抛弃了这个笨重路线：

• 不碰像素：通过 macOS 辅助功能（Accessibility）直接读窗口里的按钮/输入框/控件，全变成结构化文本——就像给 AI 一个 API 而不是一张截图
• 大模型只管拆任务：ChatGPT 一次性把任务写成步骤清单（点哪、输什么、按哪个键），步骤失败才重问
• 小模型做选择：步骤和实际控件对不上时，TypeSafe 的 Jev 决策模型在候选控件里毫秒级「单选」出该点谁——这就是最近爆火的 System One 模型首个出圈应用

结果：操作延迟干进亚秒级，token 消耗压到截屏路线的零头。

真正的亮点：后台执行

按 ⇧↩ 让任务在后台跑：被控的 App 可以是最小化/隐藏状态，你的鼠标和前台窗口完全不被打断。原理是 arc-cua 驱动把窗口临时拉到屏幕外操作完再放回去。这是演示里最惊艳的一幕。

用前须知

• 不是离线工具：任务规划走你的 ChatGPT 账号（gpt-6-sol），控件决策走 TypeSafe API，两个 key 都要配（存在 macOS 钥匙串里）
• 早期实验品：纯图标界面、自定义编辑器、复杂手势可能翻车，官方明说"盯着点用"
• Threads 设计很顺：每个 App 一个会话，"现在放第二首"这种追问天然支持

适合谁

• 想第一时间体验「Accessibility 树 + 决策模型」新范式的极客
• 受够了截屏路线又慢又贵的 Computer Use 用户
• macOS 重度自动化玩家——这个项目指明了下一阶段 AI 控电脑的方向