GUI vs. CLI: Execution Bottlenecks in Screen-Only and Skill-Mediated Computer-Use Agents

该研究构建了一个匹配的执行层基准，包含18个应用和12个工作流类别的440个桌面任务，确保GUI和CLI agent拥有相同目标、初始状态和验证器。最强GUI agent完全通过率59.1%，高于最强原始技能CLI agent的48.2%，但通过验证器引导的技能增强，CLI成功率升至69.3%。结果表明GUI受限于长程工作流中的可靠交互，CLI受限于技能覆盖和可扩展性。

1. 导购/agent产品：CLI agent的成功依赖技能库覆盖，强化了我在SkillOS方向上的判断——构建可扩展的技能库比优化单一模型能力更重要。
2. 技术选型：证实GUI agent在界面上更直接，但CLI agent通过技能增强可反超；导购场景中若目标平台提供API（如电商后端），应采用CLI+技能增强路线，否则用GUI。
3. 下一步：深入阅读论文的基准构造细节，考虑将其方法论迁移至导购场景的agent评测；关注后续是否开源benchmark和技能增强方法。