本仓库是 Yu-tao-Li/dsh-computer-use-win 的 fork（更上游为 cgissing/windows-computer-use），MIT 协议，由 dxxCaO 维护。 下面一节的英文版见 README.en.md。

wincu —— 给 DeepSeek Harness 用的 Windows 计算机操作插件

这是什么

一个 MCP stdio 服务 + 常驻 PowerShell UIA 后端，让模型能真正操作 Windows：看（无障碍树 / 截图 / OCR）、点（UIA 语义调用 → 后台消息 → 真实输入三级）、敲（快捷键与文本输入，带读回校验）、验（谓词断言与像素变化）。本 fork（wincu）在保留上游全部能力的前提下，重点做了三件事：收紧工具面、加固策略层、压缩每步延迟。

相对上游的主要改动

方向	内容
工具面	16 个合并入口（`read` `mouse` `keyboard` `act` `element` `window` `app` `observe` `verify` `cursor` `record` `describe` `status` `clipboard` `wait` `health`）覆盖原先 60+ 个工具；旧名仍可调用但不对外暴露，工具面预算从 ~50 项降到 16 项
策略层	红线拒绝（终端/UAC/凭据等）、危险动作需显式 `approve`、观测绑定（`bindObservation` 严格化）、落点归属校验、前台焦点守卫、失败即拒绝（fail-closed，并回报 `guardsSkipped`）
正确性	启动链（`cmd /c start` 优先，绕开 `explorer shell:AppsFolder` 被拒）、目标窗口分层解析（精确 > 前缀 > 子串，排除隐藏 helper 窗）、激活三级阶梯（AttachThreadInput + 置顶往返 + 逐级验证）、元素文本四级回退、区域裁切返回真实裁切文件
性能	后端预热与 kill 后立即重建、能力探测与应用索引缓存、稳定探测从 32 次截图/6s 降到 3 次/0.4s、哈希改算原始像素、`hash` 模式不落盘、虚拟光标静止不重绘

安装

dsh plugin add github:dxxCaO/wincu
# 或本地： dsh plugin add file:F:/path/to/wincu

前置：Windows 10/11、PowerShell 5.1、peer 依赖 @deepseek-ai/dsh-mcp-client >= 0.2.0-rc.1（DSH 自带则可直接用）。

设置与配置（全部可选）

配置	作用	默认
`WCU_POWERSHELL` / `WINDOWS_CU_POWERSHELL`	指定 PowerShell 可执行文件（如 `pwsh`）	自动探测
`WCU_PREWARM=0`	关闭后端预热（会话初始化时后台启动）	开启
`WCU_CAPS_TTL_MS`	能力探测缓存时长（毫秒）	60000
`WCU_ALLOW_REDLINES=1`	关闭红线拒绝（谨慎）	关闭
`WCU_TOOL_GROUPS`	额外暴露的工具分组	空
`WCU_TOOL_BUDGET_CHARS`	工具面字符预算（CI 会校验）	20000
`%USERPROFILE%\.dsh\wincu-redlines.json`	运维自定义红线（进程/窗口/标题模式）	内置规则
调用参数 `unsafe:"skip-guards"`	单次跳过策略守卫（显式、并在结果里回报 `guardsSkipped`）	不跳过

质量状态

静态守卫 4 项（JS 语法 / PowerShell 契约 / 路由映射 / 工具面预算）
表面测试 36 例（含 6 条「必须拒绝」用例：未聚焦输入、落点不属目标、观测失效、未知动作…）
上游回归套件 7 个（编码/BOM 契约、自检、profile 解析、激活取消、窗口枚举、窗口契约、输入错误路径）

协议与署名

MIT License。原始引擎 © 2026 cgissing（windows-computer-use）；DSH 适配与扩展 © 2026 Yu-tao-Li（dsh-computer-use-win）；本 fork 的改动 © 2026 dxxCaO。
详细来源拆分见 THIRD_PARTY.md。使用本 fork 请保留 LICENSE 全文与上述版权声明。

dsh-computer-use-win

给 DeepSeek Harness 装上 Windows 电脑操控能力——MCP stdio 服务器 + PowerShell/UIA 桌面引擎，22 个工具让 agent 能看（UIA 无障碍树、窗口裁剪截图、OCR 词框）也能做（鼠标、键盘、UIA 语义动作、窗口管理）真实的 Windows 桌面应用。

通过 DSH 内置的 @deepseek-ai/dsh-mcp-client 桥接，不改 DSH 本体，零运行时依赖。

① 文件资源管理器：`find` 定位 + 语义 `invoke` 选中文件（状态栏"选中 1 个项目"）	② `type_text` 写入真实文档（剪贴板路径，`verifyValue` 回读）	③ UWP 计算器：`find` 定位按钮 + 语义 `Invoke` 点击（25×4=100）

特性

文本优先的观察——UIA 无障碍树三视图（control/content/raw）；按 name/automationId/类名/值找控件，不靠猜像素。元素 id 用 UIA RuntimeId（UI 刷新后仍稳定，过期报 stale 而非点错地方）。
三级截图链——PrintWindow（非前台窗口也能抓）→ WGC（Windows.Graphics.Capture，DirectComposition/被遮挡窗口）→ 屏幕区域兜底（带 occludedPossible 标记）。窗口裁剪 + 降采样 + imageScale/origin 坐标映射，PNG 30 分钟自动清理。
三条输入路径，诚实上报——语义（UIA pattern，不碰鼠标）/ 前台（SetCursorPos + SendInput + 剪贴板 / KEYEVENTF_UNICODE）/ 后台（PostMessage 直进窗口消息队列，不抢前台；投递未验证，如实 verified:false——Chromium/Electron/WinUI 会静默丢合成消息，工具会明说）。
UIA 盲区 OCR 回退——Windows.Media.Ocr（csc 编译的 C# WinRT 助手）；返回文字 + 逐词屏幕坐标词框，query 命中后自动回查匹配词下的控件（ControlFromPoint）。
内置安全机制
- 坐标 homing——观察后窗口被移动，点击自动补偿并回报 homed:{dx,dy}
- 急停 failsafe——物理鼠标停屏幕角落 500ms，所有输入被拒（EMERGENCY STOP），只有人把鼠标移开才恢复
- identity guard——按 windowTitle 操作时窗口 HWND/PID 变了就拒绝（identity_changed）
- 前台校验——输入 fail-closed：目标窗口不是真前台就直接报错，绝不打进别的窗口
- Win 键黑名单——Win+R/X/L/S 类组合按设计拦截
持久化后端——一个常驻 PowerShell 进程 + JSON 行协议，热态延迟 6–100ms（首次 ~500ms 冷启动）；C# P/Invoke 助手按 hash 编译成缓存 DLL，重启免重编。

安装

# 从 npm（推荐）
dsh plugin --profile web add dsh-computer-use-win

# 从 GitHub（--profile 指定装进哪个 profile）
dsh plugin --profile web add github:Yu-tao-Li/dsh-computer-use-win
# 或在 DSH 设置的插件市场（dshmarket）搜索 dsh-computer-use-win

重启 dsh web，工具以 mcp__wincu__windows_computer_use_* 出现。

bundle 在启动时通过所在 profile 的 package.json 解析已安装包中的 server.mjs，因此适用于任意 profile / $DSH_HOME，也兼容 pnpm 布局，无硬编码路径。同一 profile 只保留一个 serverName: wincu 行。

工具清单（22 个，前缀 `mcpwincu`）

分组	工具
观察	`health` · `snapshot`（树+截图）· `accessibility_tree` · `list_windows` · `find` · `element_info` · `ocr`
动作	`click` · `double_click` · `move` · `drag` · `scroll` · `type_text`（clipboard/sendinput/background）· `keypress` · `focus` · `invoke` · `set_value`
窗口	`activate_window` · `move_window` · `close_window`（WM_CLOSE，应用可弹保存框否决）· `wait_for` · `wait`

所有工具都支持可选窗口定位（windowTitle 子串 / processId / nativeWindowHandle）+ activate: true；不指定 = 当前前台窗口。activate 在影响结果的路径上都会生效（输入类、坐标点击/滚动、ocr 截屏、move_window 等）；close_window 忽略它（WM_CLOSE 后台即可），activate_window 恒定激活。各工具的确切语义见 docs/wiki/mcp-tools.md。

架构

DSH agent
   │  模型看到 mcp__wincu__windows_computer_use_* 工具
   ▼
@deepseek-ai/dsh-mcp-client   ← DSH 内置桥接（官方 MCP SDK StdioClientTransport）
   │  JSON-RPC 2.0 over stdio（按行分帧）
   ▼
mcp/server.mjs                ← 本仓库：MCP 服务器（Node ≥22，零依赖）
   │  保活一个持久化后端；JSON 行协议
   ▼
scripts/windows-uia.ps1       ← 本仓库：桌面引擎（PowerShell 5.1 兼容）
   ├─ UI Automation 程序集        → 无障碍树
   ├─ user32 P/Invoke（C# 缓存 DLL）→ 鼠标/键盘/窗口操作
   ├─ Windows.Media.Ocr（C# WinRT）→ OCR
   └─ Windows.Graphics.Capture   → WGC 窗口捕获

安全与限制

动作是真实的——敏感操作前让 agent 先 snapshot；重要窗口用 windowTitle 明确限定。
WinUI / Chromium / Electron 会丢弃 PostMessage 合成输入（verified:false 是诚实上报，不是成功）。这类目标走前台/剪贴板路径。
提权窗口（UAC/管理员程序）UIA 与合成输入都被 Windows 拦截，读不到也点不了。
坐标以物理像素为准（显式 Per-Monitor V2 DPI）。
OCR 对 CJK 按字符给词框（引擎特性），点选足够用。
仅支持 Windows。

开发

mcp/server.mjs          MCP stdio 服务器 + 持久化后端管理
scripts/windows-uia.ps1 桌面引擎（one-shot 与 -Persistent 双模式）
test/                   self-test / MCP 协议 / Notepad E2E / 功能综合 / 延迟基准
docs/wiki/              上游架构文档（见 THIRD_PARTY.md）
docs/dev-notes.md       设计原理、踩坑记录、性能数据、测试记录

node mcp/server.mjs --self-test     # 全栈自检（仅 Windows）
node test/mcp-test.mjs              # initialize → tools/list → tools/call
node test/profile-resolution.mjs    # DSH profile node_modules 路径回归测试
node test/notepad-e2e.mjs           # 真实输入端到端（会开记事本）

npm test 运行自检、MCP 协议、profile 路径、worker 生命周期、激活取消、窗口枚举/坐标缓存/参数校验及输入错误回归测试。每项测试使用独立进程和临时目录，日志与自检截图留在输出所示目录；不发送物理输入，也不修改已安装的 DSH profile。输入和窗口移动场景使用模拟接口，真实桌面仅用于只读检查。

默认使用 Windows PowerShell 5.1；可设置 $env:WINDOWS_CU_POWERSHELL = (Get-Command pwsh).Source 后运行 npm test 验证 PowerShell 7。CI（.github/workflows/ci.yml）在每次 push/PR 时分别测试这两种运行时。

许可

安装

dsh plugin --profile web add file:C:/Users/Administrator/.dsh/plugins-src/dsh-computer-use-win
dsh plugin --profile web add @deepseek-ai/dsh-mcp-client@0.2.0-rc.1   # bundle patch 需要它，且必须是 profile 的直接依赖

装完重启宿主，然后跑 node tools/check.mjs 自检。

16 个入口

入口	模式
`read`	window · tree · find · element · query · ocr（可用 `diffAgainst` 只回控件增删改）
`mouse`	click · double_click · move · scroll · drag（phase: path/start/step/end）
`keyboard`	type（method: clipboard/sendinput/background、delayMs 打字节奏） · press · focus
`act`	做一件事并证明：语义 → 后台 → 前台投递阶梯 + expect 验证
`element`	actions · invoke · set_value · secondary（Expand/Collapse/Scroll/Raise/Select/Default）
`window`	list · activate · close · move · transient（目标拥有的菜单/模态） · identity
`app`	list · resolve · launch（支持中文名） · kill
`observe`	观测预算：region/clientArea、inline/file/hash/auto、diffOnly、stableMs、includeTree
`verify`	predicates（轮询到全部成立） · point（这个屏幕点归谁）
`cursor`	虚拟光标：show/hide/move/click/state/quit（不动真实指针）
`record`	start · stop · status · replay（元素指纹重定位、变量替换、outcome drift）
`status`	capabilities · doctor · stats · budget · internals
`describe`	OCR 优先的视觉回退（自动反色/增对比/2× 放大，可配 VLM）
`clipboard` `wait` `health`	剪贴板、等待、存活探测

52 个细粒度旧名仍然可调用（只是不再出现在 tools/list）；引擎动作一个没动。逐条细节见 docs/history.md。

关键性质

先看后做：bindObservation:true 时动作必须携带有效 observationId，过期或串目标一律拒绝。
不静默纠偏：homing 默认 strict —— 窗口移动过就报 window_moved，而不是照旧坐标点下去。
点了不等于生效：act 逐级投递并验证；提交类输入自动等画面稳定并回报 settle.settleMs。
不点错窗口：坐标输入检查落点归属（point-owner-mismatch）；键盘输入检查焦点（not-focused）。
省预算：read {diffAgainst} 只回控件增删改；observe 支持哈希/diffOnly/clientArea；status {detail:"budget"} 看累计开销。
红线在代码里：终端/控制台宿主、运行对话框、UAC、凭据管理器、安全工具一律拒绝；kill_app{mode:"kill"}、close_window、系统组合键需要 approve:true。操作者可用 %USERPROFILE%\.dsh\wincu-redlines.json 追加。
可复盘：每个结果带 envelope（动作、耗时、真实目标身份）；会话可录制回放。

自检与测试

node tools/check.mjs        # 语法 + PS BOM/解析 + 路由审计 + 工具面预算（<20k 字符）
node test/router-map.mjs    # 16 入口 / 0 孤儿 / 参数卫生取值
node test/run-tests.mjs     # 上游回归套件（本机缺 PowerShell 7，backend-lifecycle 会因硬编码 pwsh 失败）

文档

docs/history.md —— 0.3.0→0.3.3 逐版本细节
docs/fork-delta.md —— 与上游的全部差异、升级重放要点
docs/skills/computer-use/SKILL.md —— 面向模型的工作流与翻车恢复手册（同时作为 MCP 资源暴露）

wincu

설치

README

wincu —— 给 DeepSeek Harness 用的 Windows 计算机操作插件

这是什么

相对上游的主要改动

安装

设置与配置（全部可选）

质量状态

协议与署名

dsh-computer-use-win

特性

安装

工具清单（22 个，前缀 `mcpwincu`）

架构

安全与限制

开发

许可

安装

16 个入口

关键性质

自检与测试

文档

관련 플러그인

archify (deepseek-harness)

WeKnora (dsh-weknora)

weknora

BrowserSkill (dsh-plugin-browserskill)

설치

README

wincu —— 给 DeepSeek Harness 用的 Windows 计算机操作插件

这是什么

相对上游的主要改动

安装

设置与配置（全部可选）

质量状态

协议与署名

dsh-computer-use-win

特性

安装

工具清单（22 个，前缀 mcp__wincu__）

架构

安全与限制

开发

许可

安装

16 个入口

关键性质

自检与测试

文档

관련 플러그인

archify (deepseek-harness)

WeKnora (dsh-weknora)

weknora

BrowserSkill (dsh-plugin-browserskill)

工具清单（22 个，前缀 `mcpwincu`）