Coasty：让没 API 的老旧软件也能被 AI 操控

很多公司内部还在用那些十年甚至二十年前的古董桌面软件，这种东西最让人头疼的就是完全没有 API，或者 API 烂到根本没法用。我们团队之前试过用传统的 RPA 方案去跑自动化，结果简直是灾难：界面稍微弹个窗，或者加载慢了 0.5 秒，整个工作流就崩了，得有人手动去重启。

最近关注到 Coasty 这个工具，它的逻辑不是死板地记录点击坐标，而是通过视觉识别（Computer-use）实时观察屏幕，像人一样决定下一步点哪里。这意味着它不需要 DOM 树，也不需要什么复杂的选择器，只要能截图就能操作。

从技术实操上看，它的调用逻辑非常直接，直接传自然语言指令和环境 ID 即可：

run = coasty.runs.create(
    environment="vm_123",
    task="""
    Open the patient record in the billing portal.
    Enter the attached authorization data.
    Do not submit if the member ID or procedure code does not match.
    Return the confirmation number.
    """,
    files=["authorization.pdf"],
    approval_required=["final_submission"]
)

返回的结果也是结构化的 JSON，包含了执行状态和提取的数据，这点对我们这种需要把结果对接到内部数据库的打工人来说非常关键。

{
    "status": "completed",
    "output": {
      "confirmation_number": "PA-184392"
    },
    "replay_url": "...",
    "events": [
      {
        "type": "verification",
        "field": "member_id",
        "result": "matched"
      }
    ]
}

我比较在意的是安全和合规性，尤其是涉及到公司内部敏感数据时。Coasty 允许在关键步骤设置 approval_required（人工审核），这比让 AI 盲目地在后台点提交要靠谱得多。对于那些必须在远程桌面或旧版 Windows 应用中跑的重复性工作，这种基于视觉的 AI Agent 确实比写几千行脆弱的脚本要高效。