---
title:"Axion 入门：用自然语言控制你的 Mac"date:2026.05.16category:[AI, macOS, 自动化]tags:[Axion, macOS, MCP, 桌面自动化, Swift, LLM]status:published
---

Axion 入门：用自然语言控制你的 Mac

Axion 是一个用 Swift 构建的 macOS 桌面自动化平台。你只需用自然语言描述任务，它就会自动规划、执行并验证桌面操作。本文介绍 Axion 的核心能力、快速上手流程和一次真实的 Calculator 自动化过程。

2026.05.16·5 min read·6.7KB

你有没有想过，直接告诉电脑"打开计算器，算一下 17 乘以 23"，然后它就真的去做了？

不是调 API，不是写脚本，而是像跟一个坐在电脑前的人说话一样——它听到指令，移动鼠标，点击按钮，读取屏幕，然后告诉你结果。

这就是 Axion 在做的事。

它解决什么问题？

macOS 上从来不缺自动化工具。AppleScript 存了二十年，Automator 内置了十几年，Shortcuts 也在不断进化。但它们都有一个共同的局限：你需要精确地告诉电脑每一步怎么做。

"点击坐标 (500, 300)"、"按 Command+N"、"选择菜单栏第三项"——这些是指令，不是意图。

Axion 换了一个思路。你只需要说你想要什么，它来决定怎么做。

背后是一套 LLM 驱动的 Plan-Execute-Verify 循环：LLM 负责理解你的意图并生成操作计划，Axion 的 21 个原生 macOS 工具负责执行，每一步执行后还会自动验证结果。如果某步失败了，它会自动重新规划，换一种方式再试。

30 秒上手

# 克隆并构建
git clone https://github.com/terryso/axion.git
cd axion
swift build -c release

# 交互式配置（API Key、LLM Provider）
.build/release/AxionCLI setup

# 检查环境（权限、Helper 等）
.build/release/AxionCLI doctor

# 执行第一个任务
.build/release/AxionCLI run "打开计算器并计算 123 + 456"

环境要求： macOS 14+、Xcode 16+（Swift 6.1），以及辅助功能（Accessibility）和屏幕录制权限。

Axion 目前支持 Anthropic 和 OpenAI Compatible 两种 LLM Provider。配置完 API Key 之后就可以直接使用了。

一次真实的自动化过程

让我展示 Axion 实际运行时发生了什么。这是之前端到端验证时的一个真实场景：

axion run "打开计算器，计算 17 乘以 23"

它做了什么

Axion 的 Agent 收到这个任务后，自主执行了以下操作序列：

  1. launch_app — 启动计算器应用
  2. screenshot — 截屏确认计算器已打开
  3. click — 点击数字键 "1"
  4. click — 点击数字键 "7"
  5. click — 点击乘号 "×"
  6. click — 点击数字键 "2"
  7. click — 点击数字键 "3"
  8. click — 点击等号 "="
  9. screenshot — 截屏确认结果

最终结果：计算器显示 391。正确。

过程中的一个小插曲

过程中有一个有趣的插曲。Agent 第一次尝试点击计算器按钮时失败了——它使用的坐标不准确。但它没有傻傻地重复同样的点击，而是切换了策略：重新读取无障碍树（Accessibility Tree）获取准确的按钮位置，然后成功点击。

这种"失败后自动换策略"的能力，是 Axion 和传统自动化脚本的本质区别。脚本失败了就停了；Axion 会想办法继续。

整个过程中，Agent 共产生了 90 个 trace 事件，经历了完整的 Plan → Execute → Verify 循环。

不只是计算器

Calculator 只是最简单的 demo。Axion 的 21 个 MCP 工具覆盖了桌面操作的方方面面：

应用管理 — launch_app、list_apps、activate_window

窗口管理 — list_windows、resize_window、arrange_windows（支持并排、级联等布局）

鼠标操作 — click、double_click、right_click、drag、scroll

键盘操作 — type_text、press_key、hotkey

屏幕与无障碍 — screenshot、get_accessibility_tree、open_url

这意味着你可以做更复杂的事：

# 跨应用协作
axion run "从 Safari 复制网页标题，粘贴到 TextEdit 文档"

# 窗口布局
axion run "把 Safari 和 TextEdit 并排显示，左 Safari 右 TextEdit"

# 系统操作
axion run "打开 Finder，进入下载目录"
axion run "打开 TextEdit，输入 Hello World"

端到端测试验证过这些场景都能顺利完成。

几个实用的运行模式

Axion 提供了几种不同的运行模式，适应不同场景：

# 干跑模式 — 只生成计划，不实际执行（适合调试）
axion run --dryrun "打开计算器并计算 123 + 456"

# 快速模式 — 减少 LLM 调用次数，适合简单任务
axion run --fast "打开计算器"

# 限制步数 — 防止 Agent 跑飞
axion run --max-steps 10 "在备忘录中创建一条新笔记"

如果 Agent 卡住了怎么办？

Axion 在这里加了一个机制——用户接管（User Takeover）。

当自动化遇到它无法处理的障碍（比如需要输入密码、出现 CAPTCHA、或者 UI 结构让 Agent 迷惑了），Axion 会暂停执行，提示你来手动处理。你完成后按 Enter，它就接着往下跑。

这个设计背后的理念是：不完美的自动化好过没有自动化。与其让 Agent 在一个对话框前反复失败，不如让你花 3 秒钟点一下，然后让 Agent 继续完成剩余的工作。

暂停时有三个选项：

  • Enter — 手动修复后恢复
  • skip — 跳过当前步骤
  • abort — 取消整个任务

接下来

这篇是 Axion 系列的第一篇，只覆盖了"它是什么"和"怎么用"。

在后续文章中，我们会深入到更技术性的话题：

  • 架构设计 — 四模块分层（CLI/Core/Helper/Bar）和 MCP 进程间通信
  • 执行引擎 — Plan-Execute-Verify 状态机的完整工作原理
  • 记忆与技能 — Axion 如何从每次任务中学习，以及录制回放技能系统
  • 集成生态 — HTTP API、MCP Server 模式、菜单栏应用和 OpenAgentSDK

如果你对桌面自动化或 MCP 协议感兴趣，欢迎关注这个系列。

深入 Axion 桌面自动化平台系列文章：

GitHub：terryso/axion

#Axion#macOS#MCP#桌面自动化#Swift#LLM
# comments