数据收集不再是关于数据，而是意图

4 月 21 日 Reuters 报道称，Meta 计划在美国员工设备上记录 mouse movements、clicks、keystrokes，以及部分 screenshots，用来训练可以自主完成工作任务的 AI agents。这条消息本身已经很说明问题：它要学的不是抽象知识，而是人怎样穿过具体软件去把事做完。

如果把这个背景放到 computer use 里看，会更容易理解。Anthropic 的 computer use 文档把这层能力定义得很直接：截图、鼠标控制、键盘输入。OpenAI 对 CUA 的公开介绍也强调 clicking、scrolling、typing 这类动作。也就是说，这类系统本来就是在学习一层“人如何操作现有软件界面”的通用接口。

所以在 computer use 场景里，Meta 这类数据采集是有意义的。因为当 agent 面对的是旧软件、外部网页、没有 API、没有结构化接口、也没有为 AI 重写过的产品时，点击本身就是它唯一能穿过去的桥。

但这件事真正值得往前想一层。点击从来都不是目的，它只是人在旧界面里表达意图的一种低带宽方式。人先有目标，再根据界面状态决定点哪里、停在哪里、要不要回退、要不要额外确认。点击只是最后落出来的一层动作壳。

未来点击这件事本身会不断弱化。对于 AI 原生工具，这层翻译根本不该那么重。因为如果产品一开始就是为 agent 协作设计的，真正该暴露出来的应该是状态、目标、约束、权限、上下文和可调用能力，而不是让模型先学会怎样像人一样绕着按钮走迷宫。

换句话说，computer use 学的是怎样穿过旧世界；AI 原生工具更应该直接把意图接住。前者需要大量交互轨迹来弥补界面和能力之间的断层，后者则应该尽量消灭这层断层本身。

所以这类数据收集里更重要的，也不是去分析“用户一般怎么用”。平均点击路径当然有价值，但那更像是模仿数据，不是理解数据。真正值钱的是业务流：人为什么在这里分叉，为什么在这里停顿，为什么明明界面允许继续却选择回头，为什么在某一步会找人确认。

这些地方往往才是 AI 和人最不一样的地方。人做事不只是执行动作，还会带着业务上下文、风险判断、例外意识和对后果的预判。很多关键差异，不体现在多点了一个按钮，而体现在知道什么时候不该点，什么时候该补一段上下文，什么时候该把任务交给下一角色。

如果数据采集只停在点击层，训练出来的很可能只是一个更会模仿动作的 agent；如果它能一路往上还原到意图，再进一步对齐工作流，训练出来的才可能是一个真正会做事的系统。