Browser Use 与 Computer Use
Memoh 可以在机器人 workspace 容器里启动一个可见桌面和有头浏览器。这和跑 headless Playwright 脚本不是一条路径：机器人操作的是网页端 Display pane 里也能看到的那套图形浏览器。
概念区别
| 能力 | 适合 | 工作方式 |
|---|---|---|
| Headless browser 命令 | 快速脚本化网页自动化 | 在 workspace 里正常运行 Playwright 或其它浏览器工具。 |
| Browser Use | 网页、表单、导航、截图、可访问性树检查 | 通过 CDP 操作 workspace 里的有头 Chrome/Chromium。 |
| Computer Use | 原生弹窗、浏览器状态坏掉、非浏览器 GUI | 读取桌面无障碍树（AT-SPI）拿到 ref，无法解析时回退到坐标与截图。 |
网页内操作优先用 Browser Use。只有遇到 CDP 够不到的 GUI 状态时，再用 Computer Use。
Workspace display 与 VNC
Workspace display 是机器人 workspace 容器里的桌面环境。VNC/RFB 是这套桌面的显示和输入传输基础；网页端的 Display 会话使用 WebRTC 承载画面。
重点不是“有 VNC”本身，而是 workspace 能跑有头 Chrome/Chromium。很多登录、验证码、复杂前端状态或只支持真实图形会话的网站，headless 模式不一定可靠。
准备机器人桌面
- 打开机器人详情页。
- 进入 Desktop tab。
- 准备或启用 workspace display runtime。
- 从机器人设置页或聊天 workspace 打开 display session。
Display runtime 会安装或使用桌面、VNC server、浏览器和字体等组件。具体可用性取决于 workspace backend 和镜像。
Agent 工具
workspace desktop 启用后，agent 可以使用浏览器和电脑操作工具：
browser_observe检查当前浏览器页面（snapshot、get_content、screenshot、evaluate 等）。browser_action在有头浏览器里点击、填表、输入、按键、导航。browser_remote_session暴露浏览器 CDP endpoint，给代码驱动的会话使用。computer_observe返回桌面无障碍树快照（ref 如e3）或者一张落盘截图的路径。computer_action操作桌面：优先使用快照里的ref；当 ref 不可用或无障碍调用失败时回退到(x, y)坐标。
截图不再自动注入对话
browser_observe 与 computer_observe 的截图会落盘到 workspace 路径（如 /data/computer-screenshots/1716200000.jpg），工具结果只返回这个路径，不再自动塞到对话里。需要查看图像时显式调用文件读取工具读这个路径，可以让观察成本变低，也把“是否值得花 token 读图”交回模型决定。
无障碍辅助二进制
Computer Use 依赖容器内 /opt/memoh/toolkit/display/bin/a11y-cli 以及 workspace 的 at-spi2-core 包。Display runtime probe 会返回 a11y_available，便于 Web UI 显示无障碍路径是否健康。AT-SPI 不可用时，computer_action 仍可用坐标驱动，computer_observe screenshot 仍然可用。
这些是 workspace runtime 能力，不是用来自动化 Electron 桌面 App 本身的。
机器人挂了远程电脑时，Browser Use / Computer Use 也仍然在服务器工作区里跑，不跟随所选使用位置。