Tactile：赋予计算机操作智能体手和脚

计算机操作智能体虽日益强大，但其界面交互层往往脆弱，依赖截图坐标点击且缺乏验证。本文提出 Tactile，一种开源工具层，通过整合系统无障碍语义、OCR 文本及视觉区域，将异构 UI 证据转化为可执行的动作状态。该机制构建了“观察 - 定位 - 执行 - 验证”闭环，优先采用原生语义动作，显著提升了多模型在桌面任务中的成功率。研究表明，可靠的计算机操作不仅需要更强的模型，更需具备语义化、可验证的执行基底。