视觉RPA桌面自动化技能。当用户需要操作桌面应用、点击图标、打开程序、在输入框中输入文本、点击按钮、滚动页面或通过微信等应用发送消息时使用。依靠屏幕截图和Qwen视觉模型进行纯视觉定位，无需依赖DOM或辅助功能API。

使用 xdotool 实现鼠标和键盘自动化。适用于点击 Chrome 扩展图标、在图形界面应用中输入文本、切换浏览器标签页、自动化桌面 UI，或在无浏览器中继的情况下执行截图验证点击循环。触发条件：点击扩展图标、点击坐标、在窗口中输入、切换标签页、自动化鼠标操作、截图并点击、xdotool、桌面自动化、无中继的 GUI 自动化