一篇来自 unix.foo 的技术评论，把“Linux 桌面之年”为何迟迟不来换了一个角度：过去大家总聊驱动、Office、Adobe、游戏和电池续航，现在 AI 代理开始操作电脑，桌面系统要过另一场考试。

这场考试不是问普通人能不能用 Linux。今天的 Ubuntu、Fedora、GNOME、KDE 已经能覆盖很多日常工作。真正的问题是：机器能不能稳定理解这个桌面，并可靠执行任务。

原文用 StatCounter 的数据做锚点：2026 年 4 月，Linux 全球桌面份额约 2.99%，高于 2022 年的 2.76%，但增长很慢。这个数字不说明 Linux 桌面失败，它说明 Linux 仍然不是大众桌面的默认选项。而 AI 代理把这个老问题推到了更底层。

桌面竞争标准变了：从人好不好用，到代理能不能操作

原文提到 OpenAI Codex Computer Use 在 macOS 上不只依赖截图，还能读取前台窗口提供的“available text”，包括不在当前可见滚动区域里的内容。原文还称，它有独立鼠标，可以在后台操作 Mac，不打断用户当前使用。

这些能力的公开细节还不够多，不能直接推到商业规模或行业定论。但它至少提醒了一件事：大模型操作桌面，不只是“看图识按钮”。

更关键的是操作系统能不能把界面翻译成机器可信的结构。

按钮要知道自己是按钮。输入框要暴露文本。表格不能只是一堆无名矩形。窗口要能枚举，权限要能申请，输入要能合成，还不能让用户觉得鼠标被幽灵接管。

这就是无障碍 API 的新位置。它原本服务屏幕阅读器、语音控制和肢体障碍用户，现在也在变成 AI 代理操作桌面的底座。

对开发桌面 AI 代理的人来说，差别很具体：

  • 能读到无障碍树，就可以少猜很多 UI 状态。
  • 能稳定合成输入，就不必每次都模拟人类乱点。
  • 权限模型清楚，企业才敢让代理进入真实办公流。

没有这些，代理不是不能做，而是成本会变高。团队要写更多适配层，测试更多桌面组合，也更难承诺稳定性。

三套桌面栈的差别，不在“有没有 API”

macOS 的优势不只是有 Accessibility API。更重要的是，开发者使用 NSButton、NSTextField、WKWebView 这类标准控件时，系统通常会自动生成质量较高的 accessibility tree。

开发者写一个正常应用，残障用户能受益，后来的 AI 代理也能受益。这里的分水岭是默认合规。

Windows 的底子也不弱。Microsoft UI Automation 有 raw、control、content 等视图，也有 InvokePattern、TextPattern、ValuePattern 等模型。它既服务辅助技术，也服务自动化测试。

问题在于 Windows 应用生态太厚。Win32、WinForms、WPF、UWP、WinUI、Electron、企业旧系统一起存在。UIA 本身可以很成熟，但具体应用未必配合。

Linux 则更像“零件都有，但整车标准难统一”。AT-SPI、Wayland portal、libei、Newton 等部件都在，但跨桌面、跨合成器、跨发行版的一致性还不够。

系统主要基础现实限制AI 代理会遇到什么
macOS标准控件默认生成较完整的 accessibility tree封闭平台，规则更硬更容易拿到一致的界面语义
WindowsUI Automation 成熟，模式丰富应用形态复杂，历史包袱重接口强，但每个应用表现不一定一致
LinuxAT-SPI、Wayland portal、libei、Newton 等部件存在缺少跨桌面统一和强制执行能做方案，难保证全生态可依赖

这也是很多争论容易跑偏的地方。无障碍建设不是一句“有 API”就结束了。

真正决定体验的是默认控件、开发习惯、审核压力、发行版选择和桌面项目之间的协调。接口只是入口，生态一致性才是代理敢不敢执行任务的前提。

Linux 最难补的是治理，不是单个技术点

Linux 不是没有无障碍栈。AT-SPI 运行在 D-Bus 上，GTK、Qt、Firefox、LibreOffice 都有支持。GNOME 屏幕阅读器 Orca 早在 2006 年就已投入使用。

Wayland 之后，相关部件也在继续补。屏幕捕获有 portal，输入相关有 libei，Newton 协议也在推进中。

难点在“谁来让大家都照做”。

Apple 可以用平台规则压下去。Microsoft 可以把 UIA 制度化，再靠企业市场长期消化历史包袱。Linux 社区更多依赖协商、资助和自愿采纳。

这种模式并不低级，开源世界很多基础设施就是这么长出来的。但它对桌面 AI 代理很不友好。代理需要的是可预测接口，不是每遇到一个桌面环境就重新猜一次。

最受影响的不是普通用户今天要不要换 Linux，而是两类人。

一类是桌面 AI 代理和自动化测试团队。短期更稳的做法，是把 Linux 适配拆成明确范围：支持哪些桌面、哪些发行版、哪些应用组合，别轻易承诺“Linux 全覆盖”。否则维护成本会被碎片化吃掉。

另一类是做辅助技术和企业运维工具的人。他们会更在意接口稳定性，而不是某个演示能不能跑通。如果无障碍标签、窗口枚举、输入合成和权限弹窗在不同环境里表现不一，企业采购就会倾向观望，或者先押 macOS、Windows。

接下来要看的变量也很明确。

GNOME、KDE、Wayland 相关项目能不能围绕 Newton、portal、libei 形成共同承诺。默认应用能不能逐项补齐标签和行为。发行版能不能把这些能力变成开箱即用，而不是留给用户和开发者自己拼装。

这不是一年两年的面子工程。它更像修路。路修好了，屏幕阅读器、自动化测试、企业运维、AI 代理都会用；路修得断断续续，再聪明的代理也只能绕行。