核实日期：2026-11-08。官方事实、个人实测、技术推断在文中分开说明；凡标注"尚未确认"或"需要进一步测试"的内容，均不得当作既定结论引用。文中"每天 1,000 credits"仅为单个账号在 2026-11-08 的控制台快照，不是官方公布的标准。

文章目录

• 第一章：前言——当 AI 真正拥有一台电脑
• 第二章：Simular Box 是什么？
• 第三章：Simular Box 能做什么？
• 第四章：Simular Box 免费注册教程
• 第五章：Simular Box 控制台功能详解
• 第六章：真实云电脑硬件配置测试
• 第七章：如何将 Simular Box 连接 AI 工具
• 第八章：在 Muse 创建 Simular Box 管理空间
• 第九章：真实问题与技术排障
• 第十章：适用人群、局限性与总结
• 流星羽痕解读
• 附录：图片清单 / 官方参考来源

第一章：前言——当 AI 真正拥有一台电脑

今天的 AI 已经很会"说"了：回答问题、生成代码、分析数据、列出操作步骤，一样不落。但只要任务需要"动手"，它就卡住了。想让它打开浏览器查资料、点几下网页、跑一段命令、下载文件整理成报告，它只能把步骤写给你，等你自己去执行。推理能力有了，执行环境没有。

具备计算机操作能力的 AI Agent 不一样。它能打开浏览器，点击网页、填写表单；能执行 Linux 命令，下载和处理文件；在真实的软件环境里把任务跑完。差别不在模型更聪明，而在它手里多了一台电脑。

举个具体例子：如果想让 AI 自动打开 GitHub，查找热门 AI 开源项目，分析仓库内容并整理一份研究报告，AI 不仅需要推理能力，还需要一个可以实际操作的执行环境——一个能开浏览器、能跑命令、能存文件的地方。没有这个环境，再强的模型也只能停留在"告诉你怎么做"。

Simular Box 就是给 AI 准备的这样一个环境：一台云端的 Linux 电脑，AI 通过 MCP（Model Context Protocol）远程操作它。盒子本身免费，本文会带你走完从注册、查看配置、操作 Linux 桌面、接入 AI Agent，到用 Muse 创建一个专门的管理空间的完整过程。

需要先说清楚本文的性质：这是一篇包含真实使用经验的教程，不是产品宣传稿。关键事实在写作前经过官方资料核查，硬件与网络结论在 2026-11-08 当天用一台真实的免费实例复核过；凡是没有验证过的内容，文中会明确标注"尚未确认"或"需要进一步测试"，不把推测写成结论。

第二章：Simular Box 是什么？

2.1 产品定位与核心价值

Simular Box（简称 Box）由 Simular（Simular Inc.）开发。Simular 是一家成立三年的公司，团队约 30 人，分布在帕洛阿托和新加坡，创始人为前 Google DeepMind 研究人员；旗下产品包括计算机操作智能体 Sai 与开源 Agent S 框架。

官方对 Box 的定位只有一句话，但很准确："box is a cloud Linux desktop for your AI. Add it to your AI app as a remote MCP server and the AI gets a real computer of its own: Chrome, a shell and a full Ubuntu desktop."（来源：box.simular.ai/docs/mcp）翻译过来：Box 是给你的 AI 用的云端 Linux 桌面，把它作为远程 MCP 服务器加进 AI 应用，AI 就拥有了一台真正属于自己的电脑——Chrome 浏览器、一个 shell、一个完整的 Ubuntu 桌面。

它的核心价值不在"又一台云主机"，而在"执行环境"。传统 AI 是对话工具，Box 是把 AI 从对话层推到执行层的一块拼图：模型负责想，Box 负责做。

2.2 云端电脑里有什么

根据官方说明，每个账号拥有一台云桌面（"One box per account, with Chrome and a persistent shell."），包含三样东西：Chrome 浏览器（AI 可打开网页、读内容、点元素、填表单，看到真实渲染的页面）；持久化 shell（一直开着的终端，AI 可在里面跑命令，文件和状态跨会话保留）；完整的 Ubuntu 桌面（带图形界面，可在网页上实时看屏，必要时自己接管，即 Take control）。官方还提到，每台 Box 是 CPU 与内存严格隔离的 Linux 微型虚拟机，启动 p95 低于 1.2 秒，实时画面经低延迟 noVNC 与 WebRTC 传输（来源：Simular 官方文章）；但硬件规格官方文档并未公布，实测配置见第六章。

2.3 为什么需要 MCP

没有统一接口之前，每个 AI 应用要操作电脑都得自己写一套驱动。MCP（Model Context Protocol）是 Anthropic 在 2024 年 11 月引入的开放协议，定义了 AI 应用与外部系统交换上下文的标准方式：宿主（Host，即 AI 应用）为每个服务器创建一个客户端（Client），服务器（Server）通过 tools、resources、prompts 等原语暴露能力，双方用 JSON-RPC 通信；远程服务器使用 Streamable HTTP 传输、OAuth 认证（来源：modelcontextprotocol.io 规范）。

Simular Box 把自己做成了一个远程 MCP 服务器：唯一的地址是 https://mcp.box.simular.ai/mcp，服务器名称为 box。AI 客户端连上这个地址，就获得了一组操作电脑的工具——跑 shell 命令、读写文件、打开浏览器、点击输入、截屏、查看电脑状态、唤醒或休眠盒子。MCP 在这里的角色就是"遥控器协议"：AI 发指令，Box 执行，执行结果再回传给 AI。

2.4 云端执行环境和本地开发环境的区别

上表是一般性对比，Box 的部分以官方说明为准，其余属于通用常识，不代表对具体产品的评测。

原理示意图（图 2，概念示意，见文末图片清单）：用户 → AI 客户端（Codex / Cursor / Claude Code 等）→ MCP（https://mcp.box.simular.ai/mcp）→ Simular Box → 浏览器 / Shell / 文件系统。图中客户端不表示均已实测，实测情况见第七章。

第三章：Simular Box 能做什么？

下面五个场景按"用户需求—Box 能承担的部分—实现思路—限制"的结构写。凡是写"已实测"的，都是 2026-11-08 当天在真盒子上验证过的；其余场景写的是按官方工具能力推导的可行路径，未标注实测的请勿当作已测试成功。

场景 A：AI 自动化浏览器

• 用户需求：让 AI 自动打开网页、采集公开信息、操作在线工具。
• Box 能承担的部分：盒子里的 Chrome 是真实浏览器，AI 可打开页面、读内容、点元素、填表单、截屏确认。
• 实现思路：browser_navigate 打开目标页，browser_snapshot / browser_read 读页面，browser_click / browser_type 做交互。
• 限制（实测）：2026-11-08 可见 Chrome 打开 GitHub Trending 超时一次（cdp Page.navigate timed out），改用隐藏标签页 browser_fetch 热机后约 11 秒成功；重要任务应设计重试。

场景 B：AI 技术资讯研究

• 用户需求：从 GitHub、Hacker News 等公开资源筛选 AI 技术资讯，整理成简报。
• Box 能承担的部分：访问公开页面并提取结构化信息，再由 AI 汇总分析。
• 实现思路：给 AI 明确任务，如"用 Simular Box 的浏览器打开 GitHub Trending，找出 AI 相关热门仓库并整理名称、地址、简介"。
• 实测记录：2026-11-08 用 browser_fetch 读取 Trending 成功，AI 相关前 3 名为 vercel-labs/agent-browser、cloudflare/security-audit-skill、google/skills；只读试运行，未改任何文件。
• 限制：需登录或付费墙后的内容不在此列；高频采集可能触发目标站点限制，尚未测试。

场景 C：软件开发辅助

• 用户需求：在隔离环境里跑 Python、Node.js、Shell，辅助测试轻量级应用，不污染本机。
• Box 能承担的部分：持久化 shell + 文件系统，适合跑脚本、做小规模验证。
• 实现思路：AI 在 shell 中创建、运行脚本，把输出与报错回传，再按结果修改。
• 实测与待验证：Shell 已验证——echo hello-from-box && pwd && whoami 返回 hello-from-box、/workspace、user，退出码 0。Python、Node.js 的具体版本尚未实测，需要进一步测试。
• 限制：无 GPU（实测未发现 GPU 设备节点），不适合本地大模型推理与图像生成；长期在线的生产服务也不适合，见第十章。

场景 D：AI Agent 自动执行任务

• 用户需求：给 AI 一个目标，让它在云端自己执行多步操作，而不是每步都等你确认。
• Box 能承担的部分：MCP 工具覆盖 shell、文件、浏览器、桌面、机器管理，Agent 可在盒子里连续操作。
• 实现思路：在支持的客户端（Codex、Cursor、Claude Code，见第七章）里连上 Box 的 MCP 服务器，下达任务，执行记录通过操作日志或对话回传。
• 限制：MCP 调用是异步的，一次操作经常需要几十秒；盒子 Chrome 的远程调试通道偶尔短暂不可用，应设计重试与失败提示。休眠与保存（box_hibernate / box_save）未实际执行，只验证了按钮与二次确认流程，点击后会真实执行。

场景 E：文件管理和报告生成

• 用户需求：下载公开资料、处理文件、整理成报告。
• Box 能承担的部分：文件读写（read_file / write_file / edit_file / list_dir）与 shell 处理能力，报告可在盒子里生成。
• 实现思路：AI 下载公开资料到 /workspace，用 shell 工具处理，再写成 Markdown 或文本报告。
• 实测记录：/workspace 持久化已验证——2026-11-08 02:18 创建的 test-write.txt 在当日 20:24 复核时仍可读取，证明同一实例内文件跨会话保留；休眠唤醒后、Restore 后、实例重建后是否保留，官方只承诺了休眠唤醒后保留，其余尚未确认。
• 限制：不要把 Box 当作长期网盘或备份工具；重要文件应及时取回本地。

第四章：Simular Box 免费注册教程

以下步骤以 2026-11-08 的实际注册经历为准。注册与 OAuth 授权必须由用户本人在浏览器里完成，任何人都不应替你输入密码，也不要把密码或密钥发给任何人（包括 AI）。

步骤 1：访问官方网站——打开 https://box.simular.ai/。首页会说明产品定位（一台给 AI 的云端 Linux 电脑）、费用（盒子本身免费，模型调用消耗账号的每日 credits）以及支持的客户端列表。建议先读一遍首页，再点登录。

步骤 2：选择注册或登录入口——点页面上的登录/注册入口，进入 https://box.simular.ai/sign-in。Simular Box 没有传统的"填邮箱 + 设密码"注册表单，登录即注册。

步骤 3：选择官方提供的认证方式——官方提供的登录方式是 OAuth：Continue with Google 或 Continue with GitHub，二选一。用你常用的账号即可；本文作者用 Google 账号完成注册。页面上没有出现其他注册方式，凡是声称能用邮箱密码直接注册的说法均未获官方确认。

步骤 4：完成账号授权——浏览器会跳转到 Google 或 GitHub 的授权页，登录并批准。批准后回到 Simular Box，你的账号即建立，默认进入免费计划（官方原文："New accounts start on the free plan"）。全程不要求绑定银行卡，也没有出现付费升级的强制步骤——如果页面要求你输入支付信息，请停下来核对网址是否为 box.simular.ai，避免钓鱼页面。

步骤 5：进入控制台——登录后进入控制台，地址为 https://box.simular.ai/box。左侧导航（据控制台界面观察，官方文档未介绍这些栏目）包括 Boxes、Flows、Keys、Usage、Billing；其中 Keys（https://box.simular.ai/keys）与 Billing 有官方文档佐证，其余栏目含义见第五章。

步骤 6：查看默认 Box——新账号默认已有一台云电脑，名称为 main，状态显示为 Running，计划为 Free。官方的说法是每账号一台云桌面（"One box per account, with Chrome and a persistent shell."），免费用户确实拥有一台实例，不需要另外创建。

步骤 7：启动云电脑——如果盒子处于休眠或 Starting 状态，等待它变为 Running，或使用唤醒操作。官方说明盒子闲置会休眠，AI 连接时约 1 秒唤醒。实测中冷启动后首次打开终端或浏览器可能需要多等一会儿，见第九章问题 1。

步骤 8：进入 Screen 页面——在控制台打开 Screen，可以看到盒子的实时桌面画面：顶部显示 Live 状态，画面里是 Ubuntu 桌面，底部有 Chrome、终端、文件等图标。右上角有 Take control 按钮。

步骤 9：点击 Take control，尝试接管桌面——点 Take control 后，你可以直接操作这台云电脑的桌面：点开 Chrome 上网、点开终端输命令，就像操作一台远程电脑。接管是可选的，日常使用中更多是让 AI 在后台操作，你只在需要检查或干预时才接管。

步骤 10：打开 Terminal——在 Screen 里打开终端，或在控制台进入 Terminal 页面，输入命令并回车。你可以先跑一条无害的命令确认终端正常，例如 pwd && whoami，应返回 /workspace 与 user（本文实测结果）。终端连通后，注册流程即完成，接下来可以按第七章把 Box 接进 AI 客户端。

推荐截图位置（本文未附真实截图，待补充，见文末清单）：登录页的两种 OAuth 按钮、控制台左侧导航、main 盒子 Running 状态、Screen 实时桌面、Take control 后的桌面、终端首次输出。

第五章：Simular Box 控制台功能详解

本章分两部分：有官方文档佐证的内容会注明来源；仅凭控制台界面观察到的栏目，标注为"据控制台界面观察"，其行为细节尚未获官方文档确认，请勿当作官方说明引用。

5.1 左侧导航（据控制台界面观察）

• Boxes：盒子列表入口，可查看名下云电脑的状态与详情。
• Flows：据界面观察为流程相关入口，具体行为尚未确认。
• Keys：已确认。地址 https://box.simular.ai/keys，列出所有已连接应用与个人密钥，可撤销授权与密钥（来源：box.simular.ai/docs/mcp）。
• Usage：据界面观察为用量入口，具体展示内容尚未确认。
• Billing：已确认存在该入口。官方排障页写明 credits 用完后"Add credits or choose a plan on Billing"（来源：box.simular.ai/docs/troubleshooting）。

5.2 云电脑页面（据控制台界面观察）

Box 详情页的标签包括 Screen、Terminal、Restore、Schedule、Sharing、Settings，各标签的实际行为官方文档未介绍，以下仅按名称与界面观察做最保守的解释：Screen（实时桌面画面，可查看、可接管）；Terminal（在浏览器里打开盒子终端）；Restore（与恢复/保存相关，官方只在 MCP 工具表里列出 box_save，未解释 save/restore 的保留范围，语义尚未确认）；Schedule（据名称推测与定时任务相关，行为尚未确认）；Sharing（据名称推测与共享相关，行为尚未确认）；Settings（盒子设置入口，具体选项尚未确认）。

状态与操作（据界面观察与 MCP 工具对应能力）：Running（运行中）、Starting（启动中）、Sleep（休眠）、Wake（唤醒）。MCP 层面对应的工具是 box_status、box_wake、box_hibernate、box_save，其中 box_status 与 box_wake 已在真盒子上验证通过。

5.3 免费套餐与 Credits

官方表述只有两句，但很关键：第一，"the box itself is free. Its model calls use your account's daily credits."（来源：box.simular.ai/）——盒子本身免费，消耗的是账号的每日 credits（模型调用）。第二，Credits 用完时，"Your credits are spent. Add credits or choose a plan on Billing."（来源：box.simular.ai/docs/troubleshooting）

必须澄清的一点：Box 官方页面没有任何地方公布每日 credits 的具体数字。网上流传的"免费每天 1,000 credits"不是官方标准，它只是个别账号控制台里显示的当日剩余额度快照。本文作者的账号在 2026-11-08 的控制台显示剩 1,000 credits（快照，非官方标准），且通过 MCP 查询额度时接口返回了 box plans are not enabled，说明额度数字只能以控制台页面显示为准，不能通过 API 可靠获取。

同样尚未确认：credits 的具体消耗规则（官方只说按模型调用计费，无费率表）、套餐升级价格（Box 没有专属定价页；Simular 官网 Sai 产品的 $50/月、$500/月价格不得挪用为 Box 定价）、免费套餐可同时拥有的 box 数量上限（官方只说每账号一台云桌面）。

第六章：真实云电脑硬件配置测试

本章结论来自 2026-11-08 20:24 在一台真实免费实例上的复核：通过已接通的 Simular Box MCP 连接，在盒子持久 shell 中执行只读检测命令。盒子为 main，镜像 sbxdesk:v13，状态 running，当时已持续运行 2 天 1 小时 49 分钟。

先说适用范围：以下是一台账号、一台实例、在特定时间的测试结果，不代表所有免费用户都会得到相同配置；官方文档未公布任何硬件规格，不得把下表当作官方配置单引用。

6.1 实测配置表

6.2 检测命令与结果解读

复核用的检测命令如下，读者可以在自己的盒子里逐条复现：

lscpu
free -h
df -h
cat /etc/os-release
nproc

逐条解释：cat /etc/os-release 输出 PRETTY_NAME="Ubuntu 24.04.5 LTS"，代号 noble——官方只说"Ubuntu desktop"，未注明版本，24.04.5 是本次实测的版本。nproc 与 lscpu 返回 4：单路 4 核、每核 1 线程，型号为 Intel Xeon Platinum 8581C @ 2.10GHz，虚拟化类型为 full、Hypervisor vendor 为 KVM，L3 缓存 260 MiB，指令集包含 AVX2、AVX-512 系列，说明这是一台较新的服务器 CPU 分片。free -h 显示内存总量 7.8Gi，检测时已用 3.0Gi、可用 4.7Gi，Swap 为 0B——没有交换分区，内存用满后不会靠 Swap 续命，跑大内存任务要留余量。df -h 显示根文件系统为 overlay 40G，检测时只用了 406M，可用 39G（使用率 2%），磁盘空间目前非常宽裕。which docker 无结果，初始环境未安装 Docker；ls /dev/nvidia* /dev/dri/* 均不存在，未发现常见 GPU 设备节点。

6.3 适合与不适合

适合：Linux 基础操作（完全胜任）；Python 自动化（适合写脚本、调接口、处理数据，但 Python 具体版本尚未实测，需要进一步测试）；Node.js 开发（纸面配置足够，轻量服务与前端构建可以跑，版本尚未实测，需要进一步测试）；浏览器自动化（Chrome 已预装，实测见第三章）；小型 Java Spring Boot 测试（4 核 7.8GB 可以启动小型应用做验证，但未实际跑过，需要进一步测试）；AI Agent 执行任务（这正是 Box 的设计用途）。

不适合或尚待验证：本地大型语言模型推理（无 GPU，CPU 推理大模型速度与成本都不划算）；SDXL 等 GPU 图像生成（无 GPU 设备节点）；需要长期在线的生产服务（盒子闲置会休眠，且官方对会话结束时的资源回收机制语焉不详——同一篇官方文章既说休眠唤醒后文件保留，又说 VM 会话结束时内存会被回收，细节未说明）；高负载数据库（内存与磁盘都不是为高负载设计的）；复杂 Docker 多容器环境（Docker 初始未安装，安装后能否正常运行多容器尚未测试）。

第七章：如何将 Simular Box 连接 AI 工具

7.1 MCP 是什么

MCP（Model Context Protocol）是 Anthropic 在 2024 年 11 月引入的开放协议，解决"AI 如何安全地调用外部能力"的问题。架构分三层：宿主（Host，即 AI 应用）为每个服务器创建一个客户端（Client），客户端与服务器（Server）保持一对一连接；服务器通过 tools、resources、prompts 三种原语暴露能力；双方用 JSON-RPC 通信，远程服务器使用 Streamable HTTP 传输、OAuth 认证（来源：modelcontextprotocol.io 规范 2026-07-28 版）。一句话理解：MCP 是 AI 应用的"USB 接口标准"——服务器按规范提供工具，任何支持 MCP 的客户端都能接上。

7.2 Simular Box 为什么提供 MCP 接口

因为 Box 的用户不是人，而是 AI。官方把 Box 做成一个远程 MCP 服务器（名称 box，地址 https://mcp.box.simular.ai/mcp），AI 客户端连上它，就获得了一组操作电脑的工具。官方文章列出的工具组包括：shell 与文件（shell、read_file、write_file、edit_file、list_dir）；浏览器（browser_navigate、browser_snapshot、browser_click、browser_type、browser_fill、browser_read、browser_fetch、browser_tabs）；桌面（screenshot、computer_state、computer_act）；自动化（gui_plan、script_run、desk）；机器管理（box_status、box_list、box_wake、box_hibernate、box_save）。本文作者的实测只覆盖其中一部分（见 7.6），未实测的工具不得当作已验证。

7.3 官方目前支持的 AI 工具

以 box.simular.ai 首页与官方文档为准，官方明确列出的客户端包括：Claude（网页/桌面）、ChatGPT、Gemini（网页应用）、Claude Code、Codex（应用/CLI/IDE 扩展）、Cursor、VS Code、Gemini CLI、DeepSeek Harness、OpenCode、Hermes、OpenClaw、Claude Desktop。限制（官方文档原文）：ChatGPT 需在电脑端 chatgpt.com/plugins 添加自定义 MCP 服务器并选 OAuth，且"Your ChatGPT plan or workspace may not allow custom servers yet"，手机应用内无法添加；Gemini 网页应用仅限美国、18 岁以上、英语、个人 Google 账号且开启 Keep Activity，否则改用 Gemini CLI。Muse 不在官方支持的客户端名单中，准确边界见第八章。

7.4 Codex 接入（官方步骤）

官方提供两种方式，任选其一。方式一：一键安装（推荐）：

npx @simular-ai/box connect

要求 Node.js 18.17+。该命令会自动检测本机 AI 应用并按各自格式写入配置；自检用 npx @simular-ai/box doctor，撤销用 npx @simular-ai/box remove。

方式二：应用内手动添加：在 Codex 应用内进入 Settings → MCP servers → Add server，名称填 box，选 Streamable HTTP，粘贴 URL https://mcp.box.simular.ai/mcp，Save 后 Restart，再 Authenticate。应用、CLI、IDE 扩展共享同一配置 ~/.codex/config.toml。CLI 配置写法：

[mcp_servers.box]
url = "https://mcp.box.simular.ai/mcp"

写好配置后执行 codex mcp login box，在浏览器里登录批准。对话中用 @box 指代它，以免与 Box.com 的文件应用混淆。以上步骤来自官方文档，本文作者的 Codex 接入尚未实测，需要进一步测试。

7.5 Cursor 与 Claude Code 接入（官方步骤）

Cursor 接入：一键方式是点官方文档里的"Add to Cursor"深度链接，打开后点 Install；手动方式是将以下配置写入 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "box": {
      "url": "https://mcp.box.simular.ai/mcp"
    }
  }
}

然后在 Cursor Settings → MCP 中点 box 旁的 Login，在浏览器里登录批准。

Claude Code 接入：Claude Code 是官方明确支持的（手动与安装器两种方式均有官方文档）。手动方式：

claude mcp add --transport http box https://mcp.box.simular.ai/mcp

然后在 Claude Code 内运行 /mcp，选 box → Authenticate，在浏览器登录批准。安装器方式：npx @simular-ai/box connect 会为 Claude Code 安装 box 插件（捆绑 MCP 服务器 + box skill）。

以上 Codex、Cursor、Claude Code 的步骤均引自官方文档；本文作者尚未逐一实测这三个客户端的接入，标注为"按官方文档整理，需要进一步测试"。

7.6 如何验证 AI 真的在操作 Simular Box

只看 AI 的文字回答是不够的。验证要同时满足三点：第一，MCP 连接状态正常（客户端里能看到 box 服务器与工具清单）；第二，操作发生在 Simular Box 里，而不是用户本地电脑（例如让 AI 在盒子终端跑 pwd && whoami，应返回 /workspace 与 user，这是盒子里的路径与用户，不是你本机的）；第三，有真实执行记录（命令输出、浏览器快照、截屏或操作日志）。

本文的验证任务（已实测）：请使用 Simular Box 的浏览器打开 GitHub，搜索热门开源 AI Agent 项目，并整理项目名称、仓库地址、主要功能及更新时间。执行过程与结果（2026-11-08，Muse 经自定义 MCP 连接调用）：box_list 与 box_status 返回盒子 main（cb-d6cfa7eed64f）状态 running，镜像 sbxdesk:v13，无可用升级；shell 执行 echo hello-from-box && pwd && whoami，返回 hello-from-box、/workspace、user，退出码 0——证明命令确实在盒子里执行；browser_fetch 读 https://github.com/trending 第一次超时（客户端 45 秒超时），约一分钟后重试约 11 秒成功，AI 相关前 3 名为 vercel-labs/agent-browser、cloudflare/security-audit-skill、google/skills；同一页面的 browser_navigate（可见 Chrome 打开）返回 cdp Page.navigate timed out，可见导航当时不稳定，而隐藏标签页读取可用。结论：AI 确实在操作盒子里的 Chrome 与 shell，但可见浏览器导航偶发超时，任务提示词应要求"失败时换隐藏标签页读取并重试一次"，而不是默认一次成功。

第八章：在 Muse 创建 Simular Box 管理空间

本章是本文的重点原创章节。先把技术边界说在前面，再讲做法。

8.1 先说清边界：管理空间能做什么，不能做什么

Muse Spaces 是什么：根据 Meta 2026-11-06 的官方公告，"A space is a custom experience you create inside Muse by describing your idea"——用文字描述想法、由 Muse 建成的定制体验，没有菜单式创建流程，初版之后可继续对话调整。空间可放进侧边栏、移入主标签页、定时出现；连接 App 后会在后台自行保持最新。官方示例包括购物中心、学校看板、婚礼策划、播客工作室、小企业订单追踪等。分享功能尚未上线：Meta 明确表示空间一开始是个人专属，分享"正在探索"（来源：about.fb.com/news/2026/11/introducing-spaces-customize-muse-app/）。

最重要的一条边界：Muse 不在 Simular 官方支持的客户端名单中。Muse Space 能整理和展示 Simular Box 的信息，不等于 Muse 能够直接访问 Simular Box 的 MCP 或 API，更不等于 Muse 已经能够远程控制 Simular Box。在官方口径下，任何 Muse 管理空间都只是信息组织与任务记录层。

本文作者的真实情况需要分开说明：作者通过一条另行搭建的自定义 MCP 连接（OAuth 授权，权限 boxes 与 connect）把 Muse 接到了 Simular Box，2026-11-08 验证通过——box_list / box_status 查状态、shell 跑命令、browser_fetch 读网页、box_wake 唤醒均已实测成功；休眠与保存未实际执行，只验证了按钮与二次确认流程。这条连接是作者自行搭建的，不属于 Simular 官方支持，也不属于 Muse 的内置功能，不得在转载时说成官方支持。Muse App 是否有内置的"添加 MCP 服务器"设置项，未从官方来源直接核实；已确认的是 Muse Code（终端编码代理）官方支持 MCP（来源：dev.meta.ai/docs/muse-code/extending），那是另一个产品，不要混淆。

8.2 设计一个独立的管理空间：Simular Box · AI 云电脑工作台

工作台包含六个模块。没有连接真实数据源时，所有数据必须明确标注为手动记录，不得展示虚假的实时数据；模拟按钮与实际执行功能不得混淆；API Key、SSH 私钥及其他敏感凭证不得直接写入空间页面。

模块一：云电脑概览——实例名称（main）、Ubuntu 版本（实测 24.04.5，单实例结果）、CPU / 内存 / 磁盘配置（实测 4 核 / 7.8GiB / 40GB）、官方控制台快捷入口（https://box.simular.ai/box、https://box.simular.ai/keys）、手工维护的状态记录（每次状态标注更新时间）。

模块二：Linux 命令中心——按系统信息、CPU、内存、磁盘、网络、进程、常用开发命令分类收录命令，每条可一键复制并附一句用途说明：cat /etc/os-release、lscpu、free -h、df -h、nproc、hostname -I、ss -tlnp、ps aux。which sshd、systemctl status ssh --no-pager 仅用于检查本机服务状态，不得理解为外部可达；sudo apt-get install 类命令会修改盒子，执行前应说明权限与副作用。

模块三：AI Agent 任务中心——新建任务、任务描述、任务提示词、执行工具、执行状态、结果和日志记录。没有真实集成时只能作为任务管理和记录系统，不能显示虚假的执行成功状态；每条任务记录执行时间、调用的工具、返回结果或报错原文，失败原因要保留，不许改写成成功。

模块四：MCP 集成知识库——Codex、Cursor、Claude Code 接入步骤（见第七章，附官方命令与配置）、连接验证方法（7.6 的三点验证法）、常见错误（首次连接超时重试、可见导航超时改用隐藏标签页读取、额度接口返回 box plans are not enabled 时以控制台为准）。

模块五：故障排查中心——启动慢、终端无法连接、SSH 服务、HTTP 代理、Tailscale 连接失败、文件持久化，逐项见第九章，每项写清现象、已验证的排查步骤与尚未确认的部分。

模块六：资源与使用量——免费额度手动记录（标注快照日期）、Usage 官方入口、用量记录；未连接真实数据源时不展示虚假的实时数据，额度数字以控制台显示为准。

8.3 如何在 Muse 创建空间（8 步）

步骤 1：进入 Muse。步骤 2：找到 Spaces 或官方当前提供的创建空间入口（具体按钮位置未从官方来源直接核实，以应用内实际界面为准）。步骤 3：创建名为"Simular Box · AI 云电脑工作台"的空间。步骤 4：输入下文 8.4 的完整提示词。步骤 5：生成第一版工作台。步骤 6：检查布局、交互、导航和命令复制功能。步骤 7：迭代提示词，优化界面和功能。步骤 8：保存空间（分享功能尚未上线，以实际支持能力为准）。

8.4 完整可复制的 Muse 创建提示词

以下提示词可直接复制使用。注意：它创建的是信息组织与任务记录层，不声称直连或控制 Simular Box；如需真实控制能力，需另行搭建 MCP 连接（见 8.1），不得写入"已直连官方 MCP"之类的表述。

请在 Muse 里为我创建一个名为"Simular Box · AI 云电脑工作台"的空间。

背景：Simular Box 是一台给 AI 用的云端 Linux 电脑（Ubuntu 桌面 + Chrome + 持久化终端），
AI 通过 MCP 服务器 https://mcp.box.simular.ai/mcp 操作它。我的盒子叫 main，免费计划。
重要边界：这个空间本身只做信息组织与任务记录，不声称能直连或远程控制 Simular Box；
所有状态、额度数字都标注为"手动记录 + 更新时间"，不要编造实时数据；不要在页面里写任何
API Key、密码、SSH 私钥。

空间包含六个模块：

1. 云电脑概览：实例名称 main、Ubuntu 版本、CPU / 内存 / 磁盘配置、官方控制台快捷入口
   （https://box.simular.ai/box、https://box.simular.ai/keys），以及手工维护的状态记录。
2. Linux 命令中心：按系统信息、CPU、内存、磁盘、网络、进程、常用开发命令分类收录命令，
   每条命令可一键复制，并附一句用途说明。只收录只读检查类命令和明确标注风险的安装类命令。
3. AI Agent 任务中心：新建任务、任务描述、任务提示词、执行工具、执行状态、结果和日志记录。
   没有真实执行时只做记录，绝不显示虚假的成功状态；失败要保留失败原因原文。
4. MCP 集成知识库：Codex、Cursor、Claude Code 的接入步骤（含官方命令与配置文件写法）、
   连接验证方法、常见错误与重试建议。
5. 故障排查中心：启动慢、终端无法连接、SSH 服务、HTTP 代理、Tailscale 连接失败、文件持久化，
   每项写清现象与排查步骤，不确定的写"尚未确认"。
6. 资源与使用量：免费额度手动记录（注明日期）、Usage 官方入口、用量记录；不展示虚假实时数据。

设计要求：现代科技媒体风格，深蓝、青色、白色、深灰配色，简体中文，桌面与手机都能正常阅读，
卡片式布局，左侧导航切换六个模块，代码用等宽字体展示。

第九章：真实问题与技术排障

本章全部内容均为作者实测记录，非官方功能说明。官方文档对 SSH、VPN、公网访问只字未提，因此本章既不能写"官方支持 SSH"，也不能写"官方明确禁止 SSH/VPN"。时间线以复核结果为准。

问题 1：启动缓慢

现象（实测记录）：盒子处于 Starting 状态时，Terminal 显示 "No access" 或 "Could not open a terminal"，云电脑仍在 waking，首次打开浏览器也可能超时。可能原因（技术推断，非官方结论）：冷启动后桌面、Chrome 远程调试通道与终端服务需要逐个就绪，首次调用容易撞上未就绪的窗口；免费实例的启动速度也可能随平台负载波动——未经证实，不得断言免费用户一定被限速。安全的排查步骤：先等 1–2 分钟再试；用 box_status 确认盒子已是 running；终端连不上时重试一次；浏览器可见导航超时时改用隐藏标签页读取（browser_fetch）并重试一次。本文实测中，browser_fetch 首次超时、约一分钟后重试约 11 秒成功，就是典型的热机后恢复。

问题 2：SSH Server 默认未安装（较早实测时的状态）

较早实测时的现象：在某次会话中检查发现，OpenSSH Server 初始未安装，执行 which sshd 无结果。当时的处理命令（会修改盒子，执行前请确认你知道自己在做什么）：

sudo apt-get update
sudo apt-get install -y openssh-server

安装过程出现服务自启动限制的提示，需手动处理（见问题 3）。

重要纠正——以 2026-11-08 20:24 的复核结果为准：复核时 openssh-server 1:9.6p1-3ubuntu13.20 已安装（dpkg 状态为 ii），/usr/sbin/sshd 存在，ssh.service 处于 active (running)，自当日 02:27:28 UTC 启动，监听 0.0.0.0:22 与 [::]:22。结论是 SSH 服务是在此前某次会话中被安装并启动的（02:27 与 /workspace/test-write.txt 的创建时间 02:18 处于同一时段），不是当前默认镜像状态。因此"默认未装"只能写成较早实测时的状态，不能写成这台盒子现在的默认状态；读者应以自己盒子的实际输出为准。

问题 3：缺少 /run/sshd

较早实测时的现象：启动 sshd 时出现以下报错：

Missing privilege separation directory: /run/sshd

当时的处理：创建目录后再验证并启动服务：

sudo install -d -m 0755 -o root -g root /run/sshd

sudo /usr/sbin/sshd -t
sudo systemctl start ssh
sudo systemctl status ssh --no-pager

本次实测中 SSH 服务成功启动并监听 22 端口；2026-11-08 20:24 复核时服务仍在运行（见问题 2 的纠正）。再次提醒：sshd 在本机监听，不等于可以从外网连进来，见问题 4。

问题 4：为什么 FinalShell 不能直接连接？

实测现象：盒子返回的地址是 169.254.1.1（接口 cbonline，链路本地地址），本地回环为 127.0.0.1。

解释：169.254.1.1 是链路本地地址（link-local），不是公网访问入口；SSH 在本机监听 22 端口，不代表外网能够连接；Simular Box 不应直接按照传统 VPS 的方式使用。官方给出的唯一访问途径是 MCP + https://box.simular.ai/box 的实时画面 + 浏览器内 Take control。是否支持公网 IP、开放端口或外部远程桌面，官方文档未说明，尚未确认，不要自行假设。

问题 5：Tailscale 连接失败

实测现象：Tailscale 安装成功，tailscaled 服务成功启动，TUN 设备存在，但 tailscale up 无法完成登录，出现 network is unreachable 与 context canceled。

实际发现的代理配置（2026-11-08 20:24 复核确认）：盒子内 HTTP_PROXY / HTTPS_PROXY / http_proxy / https_proxy 均为 http://127.0.0.1:3128，no_proxy 含 localhost、127.0.0.1、::1，另有 NODE_USE_ENV_PROXY=1；本地监听端口还包括 127.0.0.1:9222（Chrome）、127.0.0.1:5900（VNC/noVNC 相关）、127.0.0.1:7443、127.0.0.1:1080。

解释（须标注）：HTTP 代理、systemd 服务环境与网络出站限制之间的关系，本次未能从 Tailscale 官方文档直接核实（知识库首页当时返回 HTTP 403）。二手线索仅供参考：Tailscale 自家仓库 Issue #931 记载，从 systemd 启动的 tailscaled 在 HTTP 代理环境下会失败，直到在 /etc/default/tailscaled 中设置 HTTPS_PROXY 等变量。特别强调：本次测试没有成功建立 Tailscale 连接；不能因此断言官方明确禁止 SSH 或 VPN；也不能将安装成功等同于外部 SSH 连接成功；官方机制结论待文档可访问后再补充。

问题 6：文件持久化

已确认：/workspace 中的测试文件可以正常创建并再次读取。2026-11-08 02:18 创建的 test-write.txt（内容 "Simular Box persistence test"），在当日 20:24 复核时仍可读取，证明同一实例内文件跨会话保留。官方也承诺休眠唤醒后文件与状态保留（"files and state persist"）。

需要区分的几种情况：同一次运行期间文件存在（已验证）；重新进入终端文件仍存在（已验证）；休眠唤醒后仍存在（官方承诺，尚未在本文中单独实测）；Restore 后仍存在（尚未确认）；实例重建后仍存在（尚未确认）。只将实际验证过的情况写成实测结论，其余标注状态。

第十章：适用人群、局限性与总结

10.1 Simular Box 更适合

• AI Agent 实验：给 Agent 一个能动手的环境，验证它到底能完成几步操作。
• MCP 工具集成：学习 MCP 的客户端—服务器模型，用真实工具练手。
• 自动化浏览器操作：公开信息读取、页面操作、简报整理。
• 云端 Shell 执行：跑脚本、做验证，不污染本机。
• 临时开发和测试：轻量应用、小规模验证、跨会话保留的草稿环境。
• AI 工作流研究：把"AI + 执行环境"的工作流跑通，再决定是否投入更多。

10.2 可能不适合

• 长期运行生产服务：盒子闲置会休眠，会话结束时的资源回收机制官方未说清。
• 要求固定公网 IP 的应用：官方未说明公网访问方式，实测地址是链路本地地址。
• 依赖外部 SSH 直连的运维工作：官方访问途径只有 MCP 与网页画面，外部直连尚未确认。
• 高负载数据库：内存与磁盘配置不是为高负载设计的，且 Swap 为 0。
• 依赖 GPU 的大型模型推理：实测无 GPU 设备节点。

10.3 总结

Simular Box 的核心价值，不仅是提供一台云电脑，更在于它为 AI Agent 提供了能够执行真实操作的隔离环境。模型负责推理，盒子负责执行，两者之间用 MCP 这根标准线连起来。这个组合目前还很早期：免费、能用、但有不少粗糙的边角——浏览器导航偶发超时、额度没有官方数字、SSH 与网络的边界全靠实测摸索。早期采用者的任务，就是一边用、一边把边界测清楚。

下一步实践方向：按第七章把 Box 接进 Codex（npx @simular-ai/box connect 是最快的一条路），跑通一次 GitHub Trending 验证任务；按第八章的提示词创建 Muse 管理工作台，先把它当作信息组织与任务记录层用起来；测试网页自动化，给 Agent 一个多步任务，记录它在哪一步失败、重试几次成功；验证实际使用限制——Python / Node.js 版本、Docker 安装后能否工作、休眠唤醒后文件是否保留，一次只验证一项，记下来。

流星羽痕解读

Simular Box 值得关注的不是"又一台免费云电脑"，而是它把 AI 的能力边界从"会说"推到了"会做"。过去一年，Agent 的瓶颈一直卡在执行层：模型能规划十步任务，却没有一台属于自己的电脑去执行。Box 用 MCP 把这件事标准化了——任何支持 MCP 的客户端都能接上一台 Ubuntu 桌面，这个接口一旦成为事实标准，Agent 的形态会从聊天框里的助手，变成能独立完成任务的"数字员工"。

对三类人影响最直接：独立开发者可以用它做自动化浏览器与轻量测试，省下一台常开的电脑；AI Agent 爱好者能以零成本拿到一个真实的执行沙盒；做 AI 工作流研究的人，终于有一个可复现的实验环境，而不是每次都靠口头描述。

接下来值得看的有三件事：第一，Simular 会不会公布明确的免费额度与定价——现在"盒子免费、credits 按模型调用消耗"的说法还缺数字，决定了它能走多远；第二，官方客户端名单会不会扩大到 Muse 这类新平台，决定了它能接入多大的用户群；第三，休眠、恢复、网络边界这些今天靠实测摸索的规则，会不会在文档里写清楚——这决定了它是玩具还是工具。建议读者现在就可以免费注册一台，按本文的步骤跑通一次验证任务，再决定要不要把它放进自己的工作流。

附录

图片清单（6 张）

本文未附真实截图；以下图片均为设计方案，不宣称已生成。真实操作截图优先使用作者提供的材料，见"仍需补充"清单。

1. 文章封面图（16:9，1600×900）：一台云端电脑的抽象画面——深蓝底色上悬浮的 Ubuntu 桌面窗口、Chrome 图标与终端窗口，中间一条青色光线连向代表 AI 的光点；无文字、无 Logo。位置：文首。图注："Simular Box：给 AI 一台云电脑"。Alt 文本："Simular Box 云电脑封面图：云端 Ubuntu 桌面与 AI 连接示意"。类型：概念示意（AI 生成或设计制作均可，需标注）。
2. Simular Box 工作原理架构图（1200×675）：用户 → AI 客户端（Codex / Cursor / Claude Code）→ MCP（https://mcp.box.simular.ai/mcp）→ Simular Box → 浏览器 / Shell / 文件系统，单向箭头，标注"原理示意"。位置：第二章 2.4 之后。图注："图 2：Simular Box 工作原理示意"。Alt 文本："Simular Box 架构图：用户经 AI 客户端与 MCP 连接云电脑"。类型：概念示意（矢量图绘制）。
3. 传统 AI 与 AI Agent 能力对比图（1200×675）：左右两栏，左侧"传统 AI：回答问题、生成代码、分析数据、提供步骤"，右侧"具备电脑的 AI Agent：打开浏览器、点击填写、执行命令、下载处理文件"。位置：第一章之后。图注："图 1：有没有一台电脑，AI 的能力边界完全不同"。Alt 文本："传统 AI 与 AI Agent 能力对比图"。类型：概念示意。
4. Simular Box 与 VPS 比较图（1200×800）：将第二章对比表可视化为三列卡片（Simular Box / 传统 VPS / 普通在线 AI 聊天工具），维度为核心定位、操作方式、图形桌面、面向 Agent、运维复杂度。位置：第二章 2.4 表格后。图注："图 3：Simular Box 与传统 VPS、在线 AI 聊天工具的定位对比"。Alt 文本："Simular Box 与 VPS 及在线 AI 聊天工具对比图"。类型：概念示意。
5. Muse 管理空间功能架构图（1200×800）：中心为"Simular Box · AI 云电脑工作台"，放射出六个模块（概览、命令中心、任务中心、MCP 知识库、故障排查、资源用量），下方用虚线框标注"信息组织与任务记录层，不等于远程控制"。位置：第八章 8.2 之后。图注："图 4：Muse 管理空间六个模块"。Alt 文本："Muse Simular Box 管理空间功能架构图"。类型：概念示意。
6. 完整实战流程图（1200×800）：注册 → 进入控制台 → 查看 main 盒子 → 接入 AI 客户端（MCP）→ 验证任务 → 创建 Muse 管理空间 → 排障复核，七步横向流程，失败节点标注"重试 / 换隐藏标签页读取"。位置：第十章之前。图注："图 5：从注册到实战的完整流程"。Alt 文本："Simular Box 从入门到实战流程图"。类型：概念示意。

配色统一：深蓝、青色、白色、深灰；正文字体为系统中文无衬线字体；代码块等宽字体；图表统一配色与图形风格。

官方参考来源清单（只列核查中确认的真实 URL）

• Simular Box 首页：https://box.simular.ai/
• Simular Box MCP 文档：https://box.simular.ai/docs/mcp
• Simular Box 排障文档：https://box.simular.ai/docs/troubleshooting
• Simular Box 实时画面：https://box.simular.ai/box
• Simular Box 密钥管理：https://box.simular.ai/keys
• Simular 官方文章《MCP Server for Computer Use》：https://www.simular.ai/articles/mcp-server-for-computer-use
• Simular 官方文章《Simular Turns Three》：https://www.simular.ai/articles/simular-turns-three
• Simular 定价页（Sai 产品，非 Box）：https://www.simular.ai/pricing
• Agent S 开源仓库：https://github.com/simular-ai/Agent-S
• Box 安装器源码：https://github.com/simular-ai/box-plugin
• MCP 官方规范（架构）：https://modelcontextprotocol.io/specification/2026-07-28/architecture
• Meta Newsroom《Introducing Spaces》：https://about.fb.com/news/2026/11/introducing-spaces-customize-muse-app/
• Muse Code 官方文档（MCP 扩展）：https://dev.meta.ai/docs/muse-code/extending
• Muse Connector Terms：https://platform.muse.ai/terms
• Muse 隐私政策：https://muse.ai/privacy