别只让 Agent 看截图：有一只 AI 鼠标把自己开源了

过去两年，所有人都在教 AI 思考：推理模型、工作流、多智能体协作……大模型越来越聪明，发布会上的 Agent 无所不能——写代码、订机票、替你操作电脑。

但仔细看一眼那些演示，会发现一个共同的前提：AI 只能隔着屏幕“看”，用截图加虚拟点击来模拟操作。它看得见光标，握不住鼠标——Agent 的一切能力，最后都卡在“缺一只手”上。

市面上的 AI 鼠标，都做到哪一步了

先盘一盘大盘子：现在的智能 AI 鼠标，功能大同小异，基本停在三层。

最基础一层是语音打字：按住语音键说话，文字直接落在光标处，识别率普遍标到 98%、每分钟 400 字，方言、外语也能听懂——讯飞、星绩这些语音办公老牌选手，主打的就是这一层；

往上一层是按键快捷操作：截图识别文字、一键翻译、一键编辑，把好几步的办公动作缩成一次按键；

再往上，是给鼠标配一个大模型：星火、腾讯混元被装进配套软件里，AI 写作、PPT 生成、智能问答都在鼠标自带的 App 里完成。

三层摆在一起看，共同点很明显：AI 在鼠标上长出了耳朵和嘴——能听、能说、能答，但依然没有手。它住在配套软件的对话框里，等你把内容喂到面前，桌面上的东西，它一个都动不了。

那有没有把“手”补上的？最近我上手了一只把自己开源的 AI 鼠标——uMouse，这篇文章就聊聊：它能不能真的给 Agent 装上一只手。

uMouse：先是一只好用的鼠标

uMouse 先是一只好用的鼠标：三模连接、4 档 DPI、高精度传感器，插上就能满足日常办公与创作。

在好用的基础上，它把高频操作做进了按键里：截图、识别文字、翻译、编辑一触即达；还配了两款专属软件——UMouse 是创作工作台，AI 问答写作、生成图、生视频、办公板块一键搞定；ClawMouse 则是一个真正的智能体：内置 DeepSeek、豆包等主流模型，支持定时任务和知识库，还能通过 Computer Use 直接操控真实软件界面，比如在微信里自动填写培训通知草稿。

它把自己开源了

开发能力全部放在 GitHub 组织 SonicloudTech 下：按键事件、语音音频流、设备状态，都能通过 SDK 开放透传。开发者可以把它接进任何系统做出自己的玩法，普通用户也能借助 mouse-mcp，让 AI Agent 拿到一只真的鼠标。

GitHub 实景：sonicloud_opensdk 仓库 2.6k star，uMouse SDK 已独立成仓 mouse-sdk

玩法演示：把大模型换成自己部署的

开源带来的最实用一条玩法，是把 ClawMouse 接到自己部署的大模型上，三步就够。

第一步：本地起一个开源模型

去 Ollama 官网下载安装包，下一步下一步装完，打开终端敲一行命令，把 Qwen、DeepSeek 的开源版本拉到本地跑起来：

# 装好 Ollama 后，一行命令启动本地模型服务 ollama run qwen2.5:7b

量化后的小模型普通办公本就带得动，模型服务直接开在自己电脑上，不花钱。

第二步：把 API 换成自己的

打开 ClawMouse 的模型设置，把接口地址从云端改成刚起的服务——后台本来就支持一键换 API：

# 原来：云端模型的接口地址 https://api.xxxxx.com/v1 # 换成：自己电脑上的 Ollama http://localhost:11434/v1

示意图：把接口地址从云端换成自己的 Ollama 服务

第三步：按住 AI 键试一句

任务照常派下去，这回应答你的，已经换成自己的模型了。

对企业，这是刚需：模型部署在内网服务器，敏感数据不出门，员工连软件都不用换。对个人玩家，这是玩法：哪家模型合口味就接哪家——鼠标是入口，脑子自己选。

用下来的感受

第一天，它像一只普通的语音鼠标：按住语音键说话，文字落在光标处，识别又快又稳。越用越发现后劲全在软件里——UMouse 能帮你画图做 PPT，ClawMouse 能替你跑定时任务、搭知识库、甚至操作微信——像请了一个会自己干活的办公团队；接上自己部署的模型之后，它更进一步，成了完全属于你的生产力入口。

对开发者和喜欢折腾的人，开源让它的上限高得多：协议、SDK、Demo 全都摆在 GitHub 上，想把它接进自己的系统、或者给 Agent 装上这只手，照着文档就能开工。

写在最后

Agent 缺的不是智力，是一只手。uMouse 是目前把这条路修通的那只鼠标——而开源，让这条故事线从一款产品，变成了一片生态。

开源仓库：https://github.com/SonicloudTech/sonicloud_opensdk