# 用一台云上 Windows 做无人值守的界面检查

有些系统只给你一个网页，没有 API，也不打算给。报表页、审批列表、老后台的"今日待办"数字——每天都要看一眼，人工看是五分钟，但必须有人记得看。

这类任务适合交给一台云上的 Windows：装好 DSH 和 `dsh-computer-use-win`，每天定时打开页面、截图、用 OCR 读几个关键字段、把结果写进日志。下面是一条真实可落地的链路，包括它对不上的地方。

## 场景：每天早上读三个字段

内部报表系统的首页，登录后有三个数字：昨日订单数、昨日退款数、待处理工单。页面没有导出，也没有接口。机器是一台腾讯云 CVM 的 Windows Server 2022 实例，安全组的 3389 只放行办公网的固定出口 IP，平时没人连着。

插件的能力对得上这个任务：`list_windows` 找窗口，`ocr` 读文字与物理坐标，`screenshot` 留档，`type_text` 输入账号，`wait_for` 等页面刷新。23 项桌面工具加 1 个管理入口，这里只需要其中五六项，所以工具加载方案选精简更划算。

## 拆成观察、定位、执行、确认

第一次跑不要想着一步到位，先让 agent 把四步分开做，每步都留下可核对的东西。

**观察**：`list_windows` 拿到浏览器窗口标题，`snapshot` 看无障碍树。这一步决定后面走哪条路——树是完整的，就用 `find` 找控件；树稀疏，就转 OCR。

**定位**：`find` 按名称或类型找到账号框、密码框、查询按钮。找不到时用 `ocr` 的候选文字加物理坐标兜底，注意它只给文字和坐标，不会伪造控件 ID。

**执行**：优先 `set_value` 填账号、`invoke` 点按钮，这两个是 UIA 语义动作，不受窗口遮挡影响；确实只能坐标点击时，才用 `click`。

**确认**：这一步最容易被省掉。等页面出现"昨日订单"这一行，或者等某个数字变化，再截图。没有确认的执行，等于没做。

## sent 和 observed 差的是一整步

工具返回里有两个容易混的字段。

`verification: "sent"` 的意思是"输入已经发送出去了"。它不代表输入框里真的有了这串字符，更不代表提交成功。中文输入法、焦点被抢、控件只读，都能让一次"已发送"变成什么都没发生。

`wait_for` 返回 `observed` 才是"我观察到了这个条件"。比如等到页面上出现"退款"这个字样，或者等到某个按钮从禁用变为可用。只有拿到 `observed`，才能认为这一步真的过去了。

所以脚本的判断条件不要写成"发完就继续"，而要写成"发完之后等一个具体的、可观察的信号"。这个习惯能把大部分莫名其妙的失败挡在日志之外。

## 定时任务和交互桌面的矛盾

这是整套方案里最别扭的地方：插件需要一个可访问的交互桌面，而定时任务希望机器"自己就会"。

云主机不会自己维持一个登录着的桌面。RDP 一断，会话锁屏，`screenshot` 拿回来的是锁屏画面，`ocr` 读不出任何东西，`click` 也没有意义。

能做的三件事：把电源与睡眠设为"从不"、关掉屏保、保持一个会话处于登录状态。维护窗口结束后如果必须断开，用管理员权限执行 `tscon %sessionname% /dest:console` 把会话交回控制台，比直接关窗口靠谱。更稳妥的做法是留一台常连的跳板，让 RDP 会话一直挂着。

这条约束没法绕过，只能管理它。也正因为如此，下面这段才必须写。

## 失败时降级：截图存档，人工复核

任何一步没拿到 `observed`，都不要重试到天亮。正确的做法是：

1. 立刻 `screenshot` 存一张当前画面，文件名带日期。
2. 把已经读到的字段、失败的那一步、工具返回的原始错误写进同一条日志。
3. 停止这一轮，不继续往下执行——尤其不要在"登录可能失败"的状态下接着点按钮。
4. 由人看那张截图，判断是页面改版、账号过期，还是网络问题。

截图存档是这套方案里最有价值的部分。它把"自动化失败"变成"有人可以复盘的一次记录"，而不是一条"今天没数据"的空日志。

## 为什么仍然需要人兜底

三个原因，都很实在。

第一，页面会变。改一版布局、换个按钮文案，`find` 就可能落空。插件不会自己适应，它只会如实返回找不到。

第二，账号会过期。密码策略、验证码、异地登录提醒，任何一条都能让流程停在登录页。

第三，动作不可撤回。已经点下去的提交、已经填进去的数字，送出去就收不回来，只能再执行一次反向操作。所以凡是带副作用的步骤，都该有人在流程外看着第一次跑。

插件本身的能力边界也要说清楚：它不附带模型、API key、OmniParser 或 UI-TARS，遇到图标类、自绘界面，需要有视觉能力的模型去读截图再把定位结果交回来。安全档位如实记录：静态扫描为 🔵 **含敏感能力**（可执行外部命令 / 读写删除本地文件，共 12 处证据），**尚无人工评估**，本站**尚未做风险分级**。截图与可见文字可能带着账号和路径，日志外发前要遮盖。

## 总结

把"每天看一眼"交给云上 Windows 是可行的，前提是接受它需要一个不锁屏的会话、需要明确的确认信号、也需要一张失败时能看的截图；更多同类插件的中文清单见 [DeepSeek Harness Hub 插件清单](https://dpharness.com/top?utm_source=txyun&utm_medium=article)。

## 适合与不适合

**适合**：只有界面没有接口的内部系统巡检；每天固定几个字段的取数留档；把人工五分钟的重复动作收敛成一条带截图的日志；在隔离的云主机上跑、不碰办公电脑的场景。
**不适合**：要求 7×24 全自动、不接受任何人工复核的流程；页面结构天天变、没有稳定文案可依附的系统；不能保存界面截图、或截图不得离开内网的合规环境。

标签：dsh-computer-use-win、DeepSeek Harness、实战案例、无人值守、OCR

本文由 DeepSeek Harness Hub 自动整理，数据来源于插件详情页。


有些系统只给你一个网页，没有 API，也不打算给。报表页、审批列表、老后台的"今日待办"数字——每天都要看一眼，人工看是五分钟，但必须有人记得看。

用一台云上 Windows 做无人值守的界面检查

人工智能

用云上Windows配合DSH和dsh-computer-use-win，实现无API内部系统的每日无人值守巡检。通过OCR读取关键字段、定时截图留档，用observed信号确认每步执行，失败时降级为截图人工复核。适合固定字段取数，需保持不锁屏会话，不适合高频变更或敏感截图环境。

验证码

云主机

Windows

Agent

快速部署LLM、AI绘画等应用,助你玩转AIGC！


让每一个 Agent，都跑在云上

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

用一台云上 Windows 做无人值守的界面检查-腾讯云开发者社区-腾讯云

用一台云上 Windows 做无人值守的界面检查

用一台云上 Windows 做无人值守的界面检查

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐