Cellar：基于混合感知的AI智能体计算机运行时，实现跨应用自动化

1. 项目概述：Cellar，一个真正能用的AI智能体计算机运行时

如果你正在构建或使用AI智能体（Agent）来自动化操作电脑——比如让它在浏览器里填表单、在桌面应用里导数据，或者完成一套跨浏览器和本地软件的复杂工作流——那你大概率已经受够了“截图+视觉模型”这套方案的折磨。速度慢、成本高、识别不准，一个弹窗就能让整个流程陷入死循环。这感觉就像让一个蒙着眼睛的人去操作电脑，全靠猜，效率可想而知。

我花了大量时间在实际项目中应用各种AI智能体方案，从简单的浏览器自动化到复杂的跨应用RPA，痛点非常明确：现有的方案要么太“笨”（纯视觉，贵且慢），要么太“窄”（只支持浏览器，离不开DOM）。直到我深度使用并研究了Cellar这个项目，才感觉找到了一个真正面向生产环境的解决方案。它不是一个玩具，而是一个基于混合感知（Hybrid Perception）架构的计算机运行时，核心思想是“结构优先，视觉兜底”。简单说，它能像人一样“看到”屏幕上的按钮、输入框是什么（通过系统无障碍接口、浏览器开发者协议），而不是每次都把整个屏幕当成一张图片去猜。这带来的性能、准确性和成本优势是颠覆性的。

Cellar 原生支持Model Context Protocol，这意味着你可以直接在Claude Code、Cursor以及任何支持 MCP 的 IDE 或工具中，获得四个开箱即用的强大工具（cel_see,cel_act,cel_think,cel_perceive），让你的AI助手瞬间获得“眼”和“手”，去操作你电脑上的任何应用。更关键的是，它是开源的（Apache 2.0），用 Rust 和 TypeScript 构建，没有云依赖，你的API密钥和数据都留在本地。

2. 核心架构解析：为什么“混合感知”是破局关键

要理解 Cellar 的价值，得先看看主流方案的局限性。当前AI智能体操作计算机，无外乎两种路径：

1. 纯视觉流（Screenshot-only）：每一步操作前，先截屏，然后把图片喂给 GPT-4V、Gemini Vision 这类多模态大模型，问它“按钮在哪？”“输入什么？”。问题显而易见：延迟高（每次调用都需网络传输和模型推理）、成本贵（高分辨率图片的视觉调用不便宜）、稳定性差（模型可能“幻觉”出按钮位置，对动态内容、微小UI变化不敏感）。
2. 纯浏览器流（Browser-only）：通过 Chrome DevTools Protocol 直接操作DOM。这很快、很准、很便宜，但能力被禁锢在浏览器标签页内。一旦工作流需要切换到桌面邮件客户端、Excel 或 Finder，智能体就“失明”了，流程就此中断。

Cellar 提出的“混合感知”巧妙地融合了多种技术，构建了一个分层的、择优而用的感知系统。它的核心引擎叫Cortex，持续维护着一个对屏幕状态的“世界模型”。

2.1 感知源融合：从“盲人摸象”到“全局透视”

Cellar 的感知层（cel-context）会并行从多个源头获取屏幕信息，并融合成一个统一的、结构化的上下文数据流。每个UI元素都会附带一个置信度分数，告诉上层的智能体“这个信息有多可靠”。

• 第一优先级：无障碍接口。在 macOS 上，这是AXUIElementAPI；在 Linux 上是AT-SPI2。这是操作系统为辅助功能提供的标准接口，能直接获取窗口、按钮、文本框的层级结构、角色、名称、值、位置等原生语义信息。这相当于直接读取了应用的“源代码”，是最准确、最快速的方式。对于原生 macOS 应用（如 Finder、Notes、Terminal）和许多桌面软件，这是唯一可靠的感知方式。
• 第二优先级：Chrome DevTools Protocol。当目标在浏览器内时，Cellar 通过 CDP 直接获取 DOM 树和 CSS 样式。这比无障碍接口更细致，能获取更丰富的网页特定属性（如 CSS 选择器）。CDP 也是执行浏览器内操作（点击、输入、执行JS）最高效的通道。
• 第三优先级：原生平台API。针对一些特定应用或场景的优化接口。
• 最后兜底：视觉模型。当前面所有结构化方法都失效时（例如，UI元素是纯图片、自定义绘制控件），Cortex 才会调用视觉模型进行分析。此时，由于其他源已经提供了屏幕的大致结构和区域，视觉模型只需要对特定区域进行高精度分析，而非处理整张截图，极大降低了调用频率和成本。

这种“结构优先”的策略，使得 Cellar 在绝大多数操作中完全不需要调用昂贵的视觉模型，单步操作延迟从秒级降至百毫秒级，且准确性极高。

2.2 连续感知与状态保鲜：解决“点击幽灵按钮”问题

一个更隐蔽但致命的问题是“陈旧状态”。想象一下：智能体发出一个点击指令，但在指令到达前，屏幕上弹出了一个提示框。如果智能体基于旧的屏幕截图去点击，就会点错位置，甚至造成破坏。

Cellar 的 Cortex 引擎核心功能之一就是连续感知和变化追踪。它不是每次被询问时才“看”一眼屏幕，而是在后台以可配置的频率（例如每秒数次）持续感知屏幕状态。它会为每个UI元素维护一个“新鲜度”状态：

• Fresh：元素状态是最新的，与当前屏幕显示一致。
• Soft-stale：元素可能发生了变化，但大概率还是可交互的。智能体可以尝试操作，但需要更谨慎。
• Hard-stale：元素已经消失或发生根本性变化（如窗口关闭）。基于此状态的操作将被阻止，并向上层报告错误。

当cel_act工具执行一个点击操作时，Cortex 会检查目标元素的新鲜度。如果状态是 hard-stale，它会直接返回错误：“你要点的按钮已经不见了”，而不是盲目地往旧坐标上发送点击事件。这从根本上避免了智能体基于过期信息行动导致的混乱和崩溃，是构建可靠自动化工作流的基石。

2.3 模块化架构：清晰的责任边界

Cellar 的代码结构清晰地反映了其设计思想。cel/目录下的 Rust 模块是核心引擎：

• cel-accessibility/cel-cdp：是与操作系统和浏览器通信的“眼睛”。
• cel-cortex：是持续运转的“大脑”，负责融合信息、维护世界模型、判断新鲜度。
• cel-input：是执行操作的“手”，负责注入鼠标键盘事件。
• cel-planner/cel-goal-runner：是“策略中心”，实现观察-规划-执行循环和自主目标运行。

而mcp-server/和agent/目录则提供了与外部AI智能体交互的“语言”（MCP协议）和“翻译官”。这种分离使得核心引擎可以独立进化，而上层接口可以适配不同的AI模型和客户端。

3. 实战入门：五分钟内让 Claude 学会操作你的电脑

理论说再多，不如亲手试试。最快体验 Cellar 威力的方式，就是把它接入 Claude Code（或 Cursor）。下面我以 Claude Code 为例，带你走通全流程。

注意：截至本文撰写，Cellar 对 macOS 的支持最完善，Linux 次之，Windows 正在规划中。以下操作基于 macOS。

3.1 安装与配置：一条命令的事

Cellar 提供了极其便捷的 npm 安装方式。你不需要克隆源码或安装 Rust 环境。

1. 定位 MCP 配置文件。Claude Code 需要通过 MCP 配置文件来发现和管理工具。

   • 打开 Claude Code，进入设置（Settings）。
   • 找到“Developer”或“MCP Servers”相关选项。通常，它会显示配置文件的路径，类似~/.config/claude-code/mcp.json或~/Library/Application Support/ClaudeCode/mcp.json。
   • 如果找不到，可以在 Claude Code 内使用快捷键Cmd + Shift + P，搜索 “MCP”，通常会有打开配置的选项。

2. 编辑 MCP 配置文件。用你喜欢的文本编辑器打开该文件。如果文件不存在，就创建一个。

   • 你需要配置一个 MCP 服务器，指向 Cellar 的 npm 包。同时，需要配置 LLM 提供商（以 Gemini 为例，你也可以用 OpenAI、Anthropic 或本地 Ollama）。

   { "mcpServers": { "cellar": { "command": "npx", "args": ["-y", "@dpagk/cellar-mcp"], "env": { "CEL_LLM_PROVIDER": "gemini", // 或 "openai", "anthropic", "ollama" "CEL_LLM_API_KEY": "你的_Gemini_API_密钥", // 可选：指定模型，默认为对应提供商的最新快速模型 // "CEL_LLM_MODEL": "gemini-2.0-flash-exp" } } } }

   实操心得：npx -y会确保每次启动时使用最新版本的@dpagk/cellar-mcp包。如果你追求稳定性，可以先在全局安装一个特定版本（npm install -g @dpagk/cellar-mcp@x.x.x），然后将command改为cellar-mcp，args留空。

3. 重启 Claude Code。保存配置文件后，完全关闭并重新启动 Claude Code。重启后，Claude Code 会读取配置，启动 Cellar MCP 服务器进程。

4. 验证连接。启动后，你可以尝试在聊天框中输入/，看看是否有 Cellar 提供的工具出现。更直接的方式是，直接对 Claude 说：“看看我的屏幕现在有什么？” 或者 “列出当前最前面的窗口”。如果配置成功，Claude 会调用cel_see工具并返回结构化的屏幕信息。

3.2 四大工具详解：智能体的“瑞士军刀”

连接成功后，Claude 就获得了四个强大的工具。理解每个工具的用途和模式，是高效协作的关键。

3.2.1cel_see：智能体的“眼睛”

这是最常用的工具，用于获取屏幕状态。它有很多模式，适应不同场景：

• cel_see active_window：获取当前活动窗口的详细信息。这是最快速的概览。
• cel_see focused：获取当前获得焦点的元素（如光标所在的输入框）。
• cel_see under_cursor：获取鼠标指针下方的元素。
• cel_see from_point：获取屏幕上特定坐标（x, y）处的元素。
• cel_see with_screenshot：在返回结构化数据的同时，附带一张屏幕截图（base64编码）。这在需要视觉确认或向用户展示时非常有用。

使用示例：当你对 Claude 说“我正在用 Safari 浏览 GitHub，帮我看看页面上有哪些仓库链接？” Claude 可能会内部调用类似cel_see active_window的命令，然后从返回的数百个元素中，过滤出role为link且label包含仓库名的元素，整理后呈现给你。

3.2.2cel_act：智能体的“手”

这是执行具体操作的工具。它支持多种动作，并且可以通过不同方式指定目标：

• 指定方式：
  • by_id: 使用cel_see返回的元素唯一ID进行精确操作。
  • by_coordinates: 直接指定屏幕坐标 (x, y)。谨慎使用，容易因UI变化而失败。
  • by_accessibility: 使用无障碍属性（如角色和名称）来查找元素。更健壮。
• 动作类型：
  • click/double_click/right_click
  • type_text: 向焦点元素或指定元素输入文本。
  • key: 发送按键序列（如Cmd+C）。
  • scroll: 滚动窗口或元素。
  • drag: 拖拽操作。
  • cdp_eval:高级功能，直接在浏览器上下文中执行 JavaScript 代码。这开启了无限可能，例如读取网页变量、操作复杂网页组件。

使用示例：你可以对 Claude 说：“帮我在Finder里，把‘下载’文件夹中的‘project.zip’文件拖到‘桌面’上。” Claude 需要先cel_see定位这两个元素，然后调用cel_act drag，指定源元素ID和目标元素ID。

3.2.3cel_think：智能体的“工作记忆与规划器”

这个工具用于更复杂的、多步骤的任务管理和内部推理。

• plan：将一个高级目标（如“将这份文档中的表格数据整理到Excel中”）分解成一系列具体的cel_see和cel_act步骤。
• run_goal：自主执行模式。给它一个目标，它会自动循环执行“观察-规划-执行”，直到目标达成或无法继续。这是实现完全自动化工作流的核心。
• remember/recall：在任务执行过程中存储和检索关键信息（如某个文件的路径、某个按钮的ID），避免重复查找。
• track：管理并查看当前正在运行或历史的任务流。

注意事项：run_goal功能强大，但也存在风险。务必在安全、可控的环境下测试，并为其设定清晰的边界和停止条件，防止其进入不可控的操作循环。建议初期先使用plan模式，让 Claude 把步骤列出来给你确认，再手动或分步执行。

3.2.4cel_perceive：与持续运转的Cortex交互

这个工具用于管理和查询后台的连续感知引擎（Cortex）。

• start/stop：手动控制Cortex的启停。通常Cortex会在MCP服务器启动时自动运行。
• status：查看Cortex的运行状态和资源使用情况。
• query：向Cortex的世界模型发起一次查询，例如“当前屏幕上所有状态为‘可点击’的元素有哪些？”。

这个工具通常用于调试和监控，在普通使用场景下，cel_see的调用会自动利用Cortex维护的最新状态，无需直接操作cel_perceive。

3.3 本地模型集成：完全离线的可能性

对于隐私要求极高的场景，Cellar 支持完全离线运行。它可以通过CEL_LLM_PROVIDER=ollama配置，连接到本地运行的 Ollama 服务，使用诸如Gemma 4、Llama 3等轻量级模型。

1. 安装并启动 Ollama。从官网下载 Ollama，并启动服务。在终端拉取一个模型，例如：ollama pull gemma2:2b。
2. 修改 Cellar 配置。将 MCP 配置文件中的环境变量改为：

   "env": { "CEL_LLM_PROVIDER": "ollama", "CEL_LLM_MODEL": "gemma2:2b", // 你拉取的模型名 "CEL_LLM_API_KEY": "not-needed", // Ollama 通常无需API Key "CEL_OLLAMA_BASE_URL": "http://localhost:11434" // Ollama 默认地址 }

3. 重启 Claude Code。之后所有的规划、决策（由cel_think或 Claude 自身完成）都将由本地模型处理，屏幕感知和操作本身也是本地的，实现了端到端的隐私保护。

实操心得：本地小模型的逻辑推理和规划能力与 GPT-4/Gemini 等顶级模型有差距，可能导致复杂任务分解失败。但对于定义清晰、步骤固定的自动化任务（如“每天上午9点打开某个网页点击下载报告”），本地模型完全够用，且成本和隐私优势巨大。这是一种典型的权衡。

4. 高级应用与开发：构建你自己的智能体工作流

当你熟悉了基本工具后，就可以利用 Cellar 构建更强大的自动化解决方案了。它不仅仅是一个给 Claude 用的插件，其 MCP 服务器接口意味着任何能说话 MCP 协议的程序都可以驱动它。

4.1 跨应用工作流实战：浏览器数据导入本地表格

这是一个经典场景：从网页上抓取数据，然后填入本地的 Numbers 或 Excel 表格。纯浏览器自动化工具在此处无能为力。

假设任务：从 GitHub Trending 页面获取今日热门 Rust 项目列表，并填入 Numbers 表格。

Cellar 赋能的工作流：

1. 规划阶段：你向 Claude 描述任务。Claude 内部调用cel_think plan，生成大致步骤：打开浏览器导航至 GitHub Trending -> 筛选 Rust 语言 -> 获取项目名、星数等元素 -> 打开 Numbers -> 创建新表格 -> 按行填入数据。
2. 执行阶段：
   • Claude 调用cel_act在浏览器中点击筛选按钮，选择 Rust。
   • 调用cel_see获取页面项目列表的结构化数据。由于是网页，Cellar 会优先通过 CDP 获取 DOM，能精准拿到每个<article>块内的<h2>、<span>文本，而无需视觉识别。
   • Claude 解析数据，然后调用cel_act激活 Numbers 应用（通过 macOS 快捷键Cmd+Space打开 Spotlight 输入 “Numbers” 并回车）。
   • 在 Numbers 中，Claude 需要操作的是原生 macOS 应用。此时，cel_see会通过无障碍接口 (AXUIElement) 获取 Numbers 的菜单、按钮、表格单元格信息。它可能会发现“新建表格”按钮的AXRole是AXButton，AXTitle是“新建”。
   • 调用cel_act click，使用by_accessibility方式定位并点击“新建”按钮。
   • 接着，cel_see定位到表格的第一个单元格（AXRole: AXCell,AXRowIndex: 0,AXColumnIndex: 0），然后cel_act type_text将第一个项目名输入。
   • 循环此过程，直至所有数据录入完成。

整个过程中，Cellar 的 Cortex 引擎在后台默默工作。当焦点从浏览器切换到 Numbers 时，Cortex 无缝切换了感知源（从 CDP 到 AXUIElement），但为上层智能体提供的 API 是统一的 (cel_see)。智能体无需关心底层是浏览器还是桌面应用，它只需要说“点击那个叫‘新建’的按钮”，Cortex 会负责找到它并执行。这就是“一个运行时，统一所有界面”的魅力。

4.2 为特定应用编写适配器

虽然 Cellar 通过通用无障碍接口能处理很多应用，但某些复杂或自定义的桌面应用（如游戏、专业图形软件）的无障碍树可能不完善或信息稀疏。这时，你可以为它编写一个应用专属适配器。

适配器位于adapters/目录下，本质是一个实现了特定接口的插件，能提供比通用无障碍接口更丰富、更准确的元素信息和操作能力。例如，为 Photoshop 编写适配器，可以暴露“当前选中的图层名称”、“工具箱中的画笔大小”等专业属性。

开发适配器的大致步骤：

1. 在adapters/下创建新目录，如photoshop/。
2. 实现ApplicationAdaptertrait（Rust）或对应 TypeScript 接口。核心方法是snapshot() -> Vec<UiElement>，用于返回当前应用窗口的结构化元素树。
3. 利用应用的官方脚本接口（如 Photoshop 的 ExtendScript）、私有 API 或 UI 自动化工具来获取信息。
4. 将适配器注册到 Cellar 的运行时中。Cellar 在感知时，会优先检查是否有当前活跃应用的专属适配器，有则用之，无则回退到通用无障碍接口。

这为社区生态提供了扩展性，让 Cellar 的能力边界可以不断延伸。

4.3 集成到自定义 Agent 框架

如果你有自己的 AI Agent 框架（比如用 LangChain、AutoGen 或自定义 Python 脚本搭建的），你也可以直接集成 Cellar 的 MCP 服务器。

MCP 是一个基于 JSON-RPC 的协议。你的框架可以作为一个 MCP 客户端，通过标准输入/输出或 HTTP 与cellar-mcp进程通信。

简化流程：

1. 启动cellar-mcp子进程。
2. 通过 MCP 初始化握手。
3. 调用tools/list获取cel_see等工具的描述。
4. 调用tools/call来执行工具，例如{"name": "cel_see", "arguments": {"mode": "active_window"}}。
5. 解析返回的结构化数据，用于你的 Agent 决策。

这样，你就将强大的混合感知和操作能力，注入到了你自己的智能体系统中。Cellar 负责“感知和操作物理世界”这个复杂问题，你的 Agent 则可以专注于更高层的任务规划和逻辑推理。

5. 性能调优与故障排查

在实际使用中，你可能会遇到性能问题或操作失败的情况。以下是一些常见问题的排查思路和优化建议。

5.1 性能瓶颈分析

Cellar 的性能主要消耗在几个环节：

1. 感知延迟：cel_see调用慢。

   • 原因A：无障碍树过于庞大（例如，一个非常复杂的网页或 IDE）。Cellar 需要遍历和序列化整个树。
   • 解决：使用更精确的cel_see模式，如focused或under_cursor，而不是每次都获取整个active_window。或者在规划时，让 Agent 更精确地描述要查找的元素特征，减少需要处理的数据量。
   • 原因B：视觉兜底被频繁触发。这说明当前应用的无障碍或 CDP 信息质量很差。
   • 解决：考虑为这个应用编写适配器，或者调整视觉模型的调用策略（如果支持配置）。检查是否可以使用cel_perceive query来利用 Cortex 缓存的、可能稍旧但更快的数据。

2. 操作失败：cel_act点击没反应或点错。

   • 原因A：元素状态已过期（hard-stale）。这是 Cortex 的防护机制在起作用。
   • 解决：在 Agent 的流程中增加重试逻辑。失败后，先调用一次cel_see刷新状态，再重新定位元素并操作。确保操作序列之间有足够的间隔，让UI有响应时间。
   • 原因B：元素定位方式不稳健。使用by_coordinates最容易失败。
   • 解决：永远优先使用by_id或by_accessibility。cel_see返回的元素 ID 在短时间（同一会话）内是稳定的。无障碍属性（角色、名称）也比绝对坐标可靠得多。
   • 原因C：权限问题。在 macOS 上，Cellar 需要“辅助功能”权限才能控制电脑。
   • 解决：前往系统设置 > 隐私与安全性 > 辅助功能，确保你使用的终端（如 Terminal、iTerm）或 IDE（如 Claude Code）已被勾选。如果通过 npm 安装，可能还需要授权给 Node.js。

5.2 配置优化建议

通过环境变量可以微调 Cellar 的行为：

• CEL_CORTEX_POLL_INTERVAL_MS: 控制 Cortex 后台刷新屏幕状态的频率（毫秒）。降低频率（如设为 1000）可减少 CPU 占用，但可能增加状态过期的风险。提高频率（如 200）则更实时，但负载更高。默认值通常是一个平衡点。
• CEL_VISION_PROVIDER和CEL_VISION_MODEL: 当需要视觉兜底时，可以指定不同的视觉模型提供商和模型。例如，可以配置为使用本地的llava模型通过 Ollama 运行，实现完全离线的视觉分析。
• CEL_LOG_LEVEL: 设置为debug可以输出大量详细日志，用于排查问题。在生产或日常使用时，建议设为info或warn。

5.3 常见错误与解决

错误现象	可能原因	排查步骤
启动 Cellar MCP 服务器失败	Node.js 版本不兼容或依赖安装失败	1. 检查 Node.js 版本（需 >= 18）。 2. 尝试全局安装@dpagk/cellar-mcp：npm install -g @dpagk/cellar-mcp，然后将配置中command改为cellar-mcp。
Claude 无法调用 Cellar 工具	MCP 配置错误或服务器未启动	1. 检查 Claude Code 配置文件的 JSON 语法是否正确。 2. 重启 Claude Code，观察启动日志中是否有 Cellar 相关的错误。 3. 在终端手动运行npx -y @dpagk/cellar-mcp，看能否启动。
cel_act操作无任何效果	缺乏辅助功能权限	1. 前往 macOS 系统设置的“辅助功能”列表，添加你的终端或 IDE。 2. 重启 Cellar MCP 服务器和 Claude Code。
cel_see返回的元素信息为空或很少	目标应用不支持无障碍接口或支持很差	1. 尝试对 Safari/Chrome 等标准应用操作，确认基础功能正常。 2. 对于目标应用，考虑是否必须依赖视觉兜底，或为其开发适配器。
任务在run_goal中陷入循环	Agent 规划逻辑有缺陷或无法识别任务完成状态	1. 为run_goal设置明确的超时时间或最大步骤数。 2. 先用plan模式查看分解的步骤是否合理。 3. 在目标中定义更清晰的完成条件。

6. 展望与生态：Cellar 的未来及社区角色

Cellar 目前处于快速发展的早期阶段，但其设计理念和已经实现的核心功能，已经为解决“AI智能体操作真实计算机环境”这一难题提供了目前看来最优雅和实用的方案。它的路线图也揭示了其向生产级、规模化发展的野心。

短期价值：对于开发者、测试工程师和效率追求者，Cellar 现在就是一个能立即提升工作效率的“神器”。将繁琐、重复的跨应用数字任务交给一个由自然语言驱动的智能体，其解放生产力的程度不亚于当年从命令行切换到图形界面。

长期想象：随着Worker Protocol和Docker 镜像的推出，Cellar 的能力可以被封装成服务，在远程服务器上运行浏览器或虚拟桌面环境，执行自动化任务。结合Managed Cloud的愿景，未来可能会出现基于 Cellar 的“自动化工作流即服务”平台。社区贡献的Adapter 市场则能形成一个生态，让任何软件都能被轻松地接入这个智能自动化网络。

作为用户或贡献者，你现在可以做什么？

• 深度使用并反馈：在你的真实工作流中尝试 Cellar，将遇到的边界情况、Bug 或新需求提交到 GitHub Issues。真实场景的打磨是开源项目成熟的关键。
• 贡献适配器：如果你常用的某个专业软件（如 Figma, Final Cut Pro, Logic Pro）自动化需求强烈，而通用无障碍支持不佳，尝试为它编写一个适配器。这不仅能解决你自己的问题，也能惠及整个社区。
• 参与协议与工具建设：MCP 工具的设计、Worker Protocol 的规范定义，都需要社区的智慧和实践。如果你对分布式系统、协议设计感兴趣，这里有广阔的参与空间。

在我个人看来，Cellar 代表的不仅仅是一个工具，而是一种范式转变：AI 智能体不应只是一个聊天机器人，它应该成为我们数字世界的一个“原生居民”，能够像人一样观察、理解和操作各种软件界面。Cellar 通过混合感知和统一的运行时，正在为这个未来铺设一条坚实可靠的道路。它的出现，让“每个人都有一个数字助理”的愿景，离现实又近了一大步。