受 Jev 启发，花了三周、600 美元、20 多轮训了两个小模型专门做 Computer use

这三周业余时间做了个东西，开源出来给大家看看。

DeskMind 得心：一个在 Mac 上替你操作电脑的 agent ，决定每一步怎么做的是两个跑在本机的小模型（ Qwen3.5 0.8B 和 4B 微调，MLX ）。不走云端，也不按次付费。

思路来自 Jev：把每一步变成选择题，让模型给每个选项打分，而不是生成一段文字。区别是 Jev 是云端服务，我想要一个全在本机跑的版本，所以自己在 Qwen3.5 上训了 0.8B 和 4B 两个小模型。决策服务用的是和 Jev 相同的 POST /v1/systemone 请求格式，已有的 harness 换个地址就能接到本机。和 TypeSafe 没有任何关系。

0.8B 有把握就直接做（大约 0.5 秒），没把握就交给 4B 再判断（约 3.6 秒）。任务有两种理解的时候，它会先问你，比如表里有两笔 Lisa Wong 的订单，它会问你用哪一笔，而不是随便挑一个写进去。

自己出了 13 个真机任务，每个跑 3 次，目前发布版是 38/39 ，没出现过没做完就说「完成」的情况。题是我自己出的、样本也小，仅供参考，逐题结果都公开了。

踩过最有意思的坑：标签平滑设成 0.95 ，结果 0.8B 的把握全挤在 0.96 这个门槛附近，七成的步骤都被交给了 4B ，所以现在速度还不够快。下一轮准备改。

目前的不足：「帮我整理这个文件夹」这种模糊的指令做得不好；文件很多的文件夹每步要几十秒；只支持 Apple 芯片，首次要下载约 5.3 GB 模型。

训练花了大约 600 美元：先在 Tinker 上跑，后来换阿里云 PAI ，最后按小时租显卡最划算。

• GitHub： https://github.com/deskmind-ai/deskmind
• 下载 Mac App： https://deskmind.dev/zh/?ref=v2ex
• 过程和踩坑： https://deskmind.dev/zh/blog/launch?ref=v2ex

欢迎下载试试，最想看到的是它该问却猜了的例子。