近期，一篇深度技术博文揭示出“智能体操控计算机（agentic computer use）”领域正面临根本性瓶颈：当前的主流模型倾向于彻底绕开图形用户界面（GUI），而非像人类一样直接与界面元素进行交互。文章指出，现有的智能体为了完成某个任务，往往消耗海量算力进行穷举式推理，试图用底层调用或合成数据来“绕过”真实的点击与操作，这种取巧的方式无法泛化到真实世界中千变万化的GUI工作流中。为了突破这一困局，文章提出了一种“最强版本（steelman）”思路——将规划与执行彻底解耦，让智能体先进行高层策略规划，再交由专门的执行模块以类人方式操作界面，从而在保持推理深度的同时大幅提升交互的可靠性与泛化能力。这一理念直指智能体从“绕过界面”到“操控界面”的关键范式转移，为通往真正通用的桌面级智能体指明了方向。