Third Hand 上手：用 Jev 做决策的 macOS 桌面助手，不接大模型但要联网

Jev 的用法正在从「判断接口」走到真实桌面操作。GitHub 上出现了一个名为 Third Hand 的实验项目（仓库地址 github.com/shhivv/third-hand），作者是 Shiv Shanmugam。它把 Jev 当作唯一的模型，做成了一个 macOS 菜单栏助手：聚焦某个应用，按下 Control–Space，用自然语言说出要做什么，它就去读控件、输入文字、点击，并检查结果。再按一次 Control–Space 或点 × 即可停止。

它怎么工作

按仓库说明，这套流程由三部分拼起来：

• Accessibility（辅助功能）：读取应用暴露出来的控件及其当前取值；
• Apple Vision：当某个应用的控件读不到时，在本地识别屏幕文字。截图不会被上传；
• Jev：根据文字描述来挑选动作。用户的请求、应用名称、屏幕上的标签与取值、最近的操作历史会发送给 TypeSafe。

也就是说，它不需要一个通用大模型来「想」，也不需要 Apple Intelligence，仓库里没有打包任何模型权重，也没有额外的运行时依赖。但项目明确写了：Third Hand 不是完全离线的，使用前必须准备一个 TypeSafe API key。

文字输入走的是结构化输入：Jev 只能从用户当前这句话里挑出搜索词或字面文本，不支持自由写作，也不支持生成任意命令。另一个细节是，它从不重启它所控制的应用。

安装与权限

仓库提供 Apple Silicon 版本的安装包，要求 macOS 14 或更新；下载后解压，把 Third Hand.app 放进「应用程序」再打开。发布版本经过 Developer ID 签名并通过 Apple 公证。

从源码构建则需要 Xcode 15 或更新、Apple Development 或 Developer ID 签名证书，以及 TypeSafe API key：

git clone git@github.com:shhivv/third-hand.git
cd third-hand
./rebuild.sh
open "Third Hand.app"

装好后的设置窗口里有三步：开启辅助功能权限，让它能读取并操作应用；开启屏幕录制权限，供控件不可读时做本地文字识别；填入 TypeSafe API key，密钥保存在 macOS 钥匙串中。随后切到任意应用，按 Control–Space，试一个具体的任务，比如「Search for Adele」。

终端与日志

终端场景有单独的入口方式：先把焦点放在 shell 提示符上，然后给出完整命令，例如 type "ls -la"。Third Hand 会原样保留你给的命令，只在 Jev 选中 Return 时提交；它不会根据导航类请求自行拼装命令，也不会追加校验命令，更不会自动重打一遍终端命令。交互式编辑器和非 shell 的终端程序不在这种输入方式的支持范围内。

诊断日志写在 ~/Desktop/thirdhand.log，内容包括动作状态、耗时和经过截断的 API 报错信息。仓库提醒，分享日志前要先自行检查，因为服务端错误信息可能带上请求细节；日志中的 API key 会被抹去。

目前的边界

作者把它定位成一个早期实验项目。部分应用暴露的控件并不完整，纯图标界面、自定义编辑器和复杂手势都可能失效；任务有可能中途停下，即便它报告完成，也需要用户自己判断，所以运行期间最好待在旁边。

构建方面，务必运行仓库根目录下的 Third Hand.app，构建脚本会沿用同一签名身份以保留 macOS 权限，并把上一个版本留在 .build/install.* 里。.thirdhand-signing-identity 要保留在自己机器上，它已被 Git 排除；如果本机没有可用证书，先在 Xcode 里创建一个 Apple Development 证书再构建。设置界面会显示当前的权限状态，如果 macOS 在授权后要求退出并重新打开，请重新打开同一份拷贝。

项目采用 MIT 协议，欢迎提交 issue 和 pull request，反馈时需要附上 macOS 版本、涉及的应用和复现步骤，但不要包含 API key 或私密的屏幕内容。