DuDuClaw OS デスクトップ版：人と AI で一台のマシンを共有

デスクトップ版は、普段どおりに使えるコンピューターです。同じマシンに AIスタッフが同居していて、あなたの画面もカーソルも注意力も奪わずに自分の作業をこなします。キーボードやマウスに触れた瞬間、AIがあなたのデスクトップ上で操作していたものはすべて止まります。

これは何か

ディスク全体のDuDuClaw OS image(duduclaw-image-appliance)が起動すると、そこにあるのは既存のLinuxデスクトップにエージェントを後付けしたものではなく、DuDuClaw専用のデスクトップです——独自のWaylandコンポジタ (duduclaw-comp)とシェル(duduclaw-shell)を備えています。人がそこに座って自分のマシンとして使います(ブラウザ、オフィススイート、ゲーム、互換レイヤー経由のWindows/Androidアプリ)。その一方でDuDuClaw gateway とそのAIスタッフは同じ箱の上で動いており、チャットチャネルに応答し、ゴールを実行し、環境を感知し、求められればデスクトップ上のアプリケーションそのものを操作します。

共有を成立させる設計ルールは一度だけ言明され、コンポジタ側で強制されます。あなたのデスクトップはあなたのものであり、人間の入力が常に優先されます。 以下のすべては、エージェントが行儀よく振る舞うことに一切依存しません。入力seat、フリーズ、緊急停止はすべてコンポジタが握っており、エージェントプロセスはそのいずれにも手を出せません。

デスクトップ

ホーム画面、ウィンドウ切り替え、ロック画面、コントロールセンター、通知センター——キーボードだけで完全に操作できる、無駄のないデスクトップです。ショートカットの完全な一覧は 51-os-keyboard-shortcuts.mdにあります。
Cmd+K 委任バー——どのアプリからでもバーを呼び出し、平易な言葉でタスクをAIスタッフに渡せます。チャットチャネルと同じゴールループへの、デスクトップ側の入り口です(34-goal-loop.md)。
初回起動ウィザード——初回起動時に言語、ネットワーク、管理者アカウント、いくつかの設定を行います。liveインストーラーISOもグラフィカルなウィザード形式です。
AI ランタイムの認証——ウィザードの 1 ステップで、イメージがランタイムを同梱している AI サービスを一覧します(Claude Code、Codex、 Gemini CLI、Grok、Qwen、Kimi、Copilot、Kiro、Cursor、Mistral Vibe、 OpenCode、および API キーのみの各社)。各行には未設定 / キー保存済み / ログイン済みのいずれかが表示されます。API キーを貼り付ける(管理画面と同じ暗号化された [[accounts]] 経路に保存されます)か、ログイン方式を持つ CLI ならアカウントでログインできます。マシンがその CLI 自身のログインを実行し、デバイスコードとログイン URL を画面に表示して、マシンのブラウザで開くボタンも用意します。消費者向けサブスクリプションでログインする場合は事前にリスクを表示し、同意にチェックするまで開始しません——2026 年 3 月以降、Anthropic と Google はサブスクリプションの資格情報を第三者製品から使うことをサーバー側で遮断しており、アカウント停止の事例も出ているため、API キーの利用を推奨します。このステップは 1 クリックでスキップでき、完了画面の要約には最終的に何社を認証したかが表示されます。
入力とオーディオ——fcitx5中国語IME、PipeWire / WirePlumberオーディオ、X11アプリケーション向けのXWayland。
アプリ——Chromium、LibreOffice、SteamはFlatpakとしてあらかじめオフラインでインストール済みです。Windowsデスクトップアプリは Bottles経由、フルのWindowsはKVM仮想マシン+RDP経由、Androidアプリは Waydroid経由です。何が保証されていて何が保証されていないかはアプリ互換性ガイドに明記されています。

邪魔をせずに共有する仕組み

コンポジタは、共同運転(コドライブ)セッションについて3つの運転モードを認識します:

モード	誰があなたのデスクトップを操作しているか	タイミング
人間(デフォルト)	あなた自身です。共有デスクトップ上でエージェ
ントは一切の入力権限を持ちません。	GUIが必要なタスクを委任していない
限り、常にこのモードです。
シャドウ	あなたのデスクトップ上には誰もいません。エージェン
トはヘッドレスな第2出力(`duduclaw-shadow-0`)上で作業し、希望すれば隅
に小さなピクチャーインピクチャーのプレビューを表示できます。
GUIタスクのデフォルトの実行場所です。あなたのウィンドウ、フォーカス、
カーソルはそのまま保たれ、動画を見たりゲームを続けたりできます。
共同運転(コドライブ)(在席／引き渡し)	エージェントがあなたの見
えているデスクトップ上で操作し、あなたが一部始終を見守ります。
タスクの対象がすでに使っているウィンドウである場合、プレビューを前面
に引き出した場合、または機密性の高いステップであなたの在席が必要な場
合に限られます。

これらのルールはすべて、エージェント側ではなくduduclaw-comp側で強制されます:

専用のシート。 エージェントは専用のシート(duduclaw-agent)を通じて入力を注入するため、すべてのイベントは監査ログの中でそのシートに帰属します。カーソルの形と色もあなたのものとは異なります。
何かに触れれば、フリーズします。 物理シートからのキーボードまたはポインターイベントは、次のエージェントコマンドが処理される前に、エージェントのシートをフリーズ(凍結)させます——設計目標の50 msに対し、QEMUおよびコンテナ環境での実測は3–4 msでした。フリーズしたコマンドはキューに積まれるのではなく破棄されるため、後から「まとめて追いつく」ことはありません。再接続してもフリーズは解除されません。
操作を返す(ハンドバック)のは、明示的な操作です。 Super+Enter、またはシェル自身のハンドバックボタンを使います。「N秒アイドルで自動再開」のような仕組みは意図的に用意していません——暗黙の再開は、いずれ事故を起こします。
Super+Escは緊急停止です。 セッションを即座に終了させます。エージェントはこれを横取りすることも、無効化することもできません。
watch モード(在席モード)。 機密性の高い文脈では、その先の一連の操作にあなたの在席が必要です。席を外すとセッションは一時停止し、戻ってくると再開します——これが、明示的なハンドバックというルールの唯一の例外です。
見逃しようのない枠線。 エージェントが共同運転している間、画面には琥珀色の枠線が表示されます。引き渡し状態になると濃い赤に変わり、セッションがない状態では何も描画されません。
日常的な利用には影響しません。 チャットへの返信、ゴールループ、スケジュールジョブ、型付きMCPツールは、デスクトップに一切触れません。あなたがマシンを使っている間もシャドウ側の作業は動き続けます。フリーズが止めるのは、あなたのデスクトップ上にあるフォアグラウンドの共同運転セッション、ただ1つだけです。

AIがあなたのデスクトップでできること

型付きツールが最優先、GUIは最後の手段。 DuDuClaw自身のアプリは gatewayのツール経由で操作され、ピクセル越しに操作することは決してありません。サードパーティ製アプリは、存在する場合はまずネイティブ API、CLI、D-Busインターフェースのレジストリを経由し、次にGTK / Qt / Chromiumアプリ向けのアクセシビリティツリー(AT-SPI2)を経由します。スクリーンショットベースの操作は、このリリースには含まれていません。
デフォルトで無効。 共同運転はエージェントごとのcapability ([capabilities] codrive)で、フェイルクローズです。 codrive_runツールはAdminスコープです。
結果を伴うアクションは、まず確認を求めます。 送信、購入、削除、権限付与——これらは他のDuDuClawのアクションと同じbrokerを通じて承認カードが起票され、承認されるまで何も注入されません。拒否・期限切れ・brokerへ到達できない場合は、いずれもそのステップを中止します。
認証情報がエージェントの手に渡ることはありません。 ログイン、パスワード、決済のステップでは、エージェントがデスクトップをあなたに引き渡します(take_over)。その間、エージェントの知覚も同時にフリーズします。オンラインバンキングとCAPTCHAは拒否リストに載っており、承認カードすら起票されません。
見えているものは、常にデータとして扱われます。 画面やアクセシビリティツリーから読み取ったテキストは、モデルに渡る前に必ずデータとして囲い込まれます。パスワードフィールドは決して読み取られず、インジェクションらしきテキストは無害化されログに記録されます。インジェクションのリスクはゼロではなく、人間によるレビューが最後の防衛線です。
プライベートで認証済みのチャネル。 注入用ソケットは常にトークン認証され、公開されることはありません。アプライアンスではgatewayは1 つのユーザーとして、コンポジタ/シェルは別のユーザーとして動作するため、エージェントプロセスは構造的に人間側のシェル制御ソケットへ到達できません。すべてのイベントはJSONLの監査ログに記録されます。

現在の状況

v0.1.0のディスク全体imageには、このデスクトップが含まれています。共同運転はビルドに組み込まれていますが、デフォルトでは無効です。
ここまでにシミュレーターではなく実際の入力イベントで検証済みなのは次のとおりです:フリーズ／ハンドバック／緊急停止、対象のハイライト、監査、ソケットトークンのローテーション、ピクチャーインピクチャー付きのシャドウワークスペース、エージェント主導の引き渡し、watch モード、モードの枠線——検証環境はコンテナ(Xvfb + 実物のChromium)と QEMU仮想マシンです。
未検証:実機のDRMハードウェアバックプレーン(2モニター構成での枠線ジオメトリを含む)、実画面上でのハンドバックボタン、gatewayとコンポジタ間のステータスのラウンドトリップ、実機上でのアクセシビリティツリーによるクリックスルー(このテストは再実行できるようになるまで一時停止中)。セッション録画機能はまだありません。
アプライアンス自体のセキュリティ姿勢(読み取り専用ルート、ファイアウォール、権限分離)と、トラストチェーンのビルドオプションについては50-duduclaw-os-appliance.mdを参照してください。