数据收集不再是关于数据，而是意图

当模型开始学习人怎么使用软件时，点击本身没那么值钱，更值钱的是点击背后的意图，以及它最后通向哪条工作流。对 computer use，这层数据很重要；对 AI 原生工具，这层会慢慢变轻。

Thesis

未来更重要的数据收集，应该把更多点击、键盘和页面轨迹还原成意图，再接成工作流。对 computer use，这层桥接数据很有价值；对 AI 原生工具，它不该一直停在中心位置。

Meta 开始收集员工的页面操作数据，想用来训练更懂意图的模型。

这件事第一眼很容易被理解成更强的监控，或者更激进的数据采集。但如果只从隐私或者监控去看，会漏掉一个更重要的问题：未来数据收集这件事，到底是在收什么。

答案已经超过“更多用户行为数据”这么简单了。更有价值的是：人为什么点这里，这个动作背后是什么目标，最后又怎样串成一条工作流。

Argument

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：它要学的是人怎样穿过具体软件把事做完。

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。

但这件事还可以往前想一层。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。产品如果一开始就是为 agent 协作设计的，应该直接暴露状态、目标、约束、权限、上下文和可调用能力，不要让模型先学会像人一样绕着按钮走迷宫。

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补界面和能力之间的断层，后者应该尽量消灭这层断层。

所以这类数据收集里更重要的，不是去分析“用户一般怎么用”。平均点击路径当然有价值，但那更像模仿数据。更值钱的是业务流：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。人做事除了执行动作，还带着业务上下文、风险判断、例外意识和对后果的预判。很多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；如果它能往上还原到意图，再对齐工作流，训练出来的才可能是一个会做事的系统。

Model

数据层

交互痕迹

click、type、scroll、screenshot

页面状态

人当下看到了什么界面与反馈

动作序列

任务是怎样一步步被推进的

回流到下一层

意图层

目标判断

这一步到底想完成什么

分叉选择

为什么走这条路径，不走另一条

停止条件

什么时候继续，什么时候回退或确认

回流到下一层

工作流层

业务流

任务如何跨页面、跨工具、跨角色流转

例外处理

风险、异常和人工判断插在哪里

原生协作

AI 直接接意图，而不是先学点哪里

点击数据只有在能够被上提成意图、再被串成工作流时才值钱。对 computer use，它是桥；对 AI 原生工具，它只是过渡层。

Implications

·在 computer use 场景里，最有效的数据要带上下文、结果和分叉原因，raw clickstream 只是一层表面。
·在 AI 原生产品里，更该优先建设的是意图结构、状态机和工作流接口，不要把 GUI 操作日志当成长期资产。
·未来最有价值的人类数据，往往不是“通常怎么做”，而是在哪些节点上，人会比 AI 多做一次判断、回看、确认或拒绝继续。

Closing

数据收集往后看，要从更多动作走向更深的意图，再把意图接成能执行的工作流。