无 API 桌面应用远程控制方案：用 CDP 桥接手机与 Claude Code

我在 Claude Desktop 的 Code 标签页里同时开着很多 Claude Code 会话。走开一段时间回来时，通常会有一个会话正停在权限提示那里。我希望能从手机上查看和回复这些会话。必须要是同一个会话，而不是副本。关键在于，这个桌面应用没有任何公开 API。

这篇文章讲的是我在 Relaymote（MIT 协议、Node.js、Windows 优先）里最终采用的设计方案，其中的经验教训适用于任何"为不支持远程控制而生的桌面应用的遥控器"。

原则 1：从文件读取，通过应用执行

这个划分让其他所有事情都变得可行：

读取从不触碰应用本身。 Claude Desktop 会为每个 Code 会话写入一个小的 JSON 文件（包含标题、文件夹、模型、归档状态），Claude Code 则把每个对话写成一份 .jsonl 转录文件。Relaymote 直接读取这些文件，并且从末尾读取转录内容，因此长会话也能快速打开。所以即桌面应用已经关闭，手机依然能列出和读取会话。

执行操作则通过应用本身。 某些操作只存在于应用内部：发送消息、响应权限提示、重命名、归档。对于这些操作，Relaymote 会挂载到应用主进程的调试器上（Chrome DevTools Protocol，地址是 127.0.0.1）。如果应用有执行该操作的内部方法，就调用该方法；只有在没有这类方法时，才回退到驱动 UI 的方式。

读取操作是流量的大头，因此桌面更新改变 UI 时，只会影响操作，绝不会影响查看功能。

原则 2：永远不要在人类正在操作的界面上输入

当有人正坐在键盘前时，驱动 UI 是危险的。每一个 UI 操作都经过一个序列化的通道，并等待一个空闲门控：即短时间内没有键盘或鼠标输入。因此这个遥控器从构造上就是礼貌的——它不会跟你抢焦点。

原则 3：只有一个入口，而且上了锁

手机端是一个 Web 应用，这就带来了一个安全问题：任何能向编码 Agent 发送消息的东西，间接地都可能在 PC 上执行命令。于是：

控制端口仅绑定到回环地址（loopback only）。

应用端口的每次请求都需要访问密钥。配对过程是一个 QR 链接，密钥只交换一次，存为 HttpOnly cookie。

在 Cloudflare tunnel 后面，密钥仍然是必需的。如果配置了 Cloudflare Access，其 JWT 会被验证（签名、受众、签发者、过期时间），绝不会单独从请求头信任。

推送通知是端到端加密的（RFC 8291），密钥在机器上生成。

原则 4：把等待变成别人的问题

两个小功能在实际日常使用中证明最为重要：

自动恢复。 当会话因用量限制停止时，Relaymote 记录重置时间，并在时间到达后发送一个简短的"continue"。应用退出时处于中途的会话会在下次启动时被检测到并继续。

从被动读取获取状态。 状态圆点和未读状态来自每 30 秒读取一次侧边栏。没有什么是为了看一眼状态而专门打开的。

给做类似项目的人的建议

尽早把读取和执行分开。文件是稳定的接口；UI 不是。

对任何涉及 UI 的操作都要序列化，并且用人类空闲状态作为门控。

把"能发消息"当作"能运行代码"，同等力度地锁好门。

把脆弱性写下来。我的在 README 里：桌面更新可能破坏操作功能，直到修复版本发布，而读取功能保持正常。

代码在 GitHub 上，如果你想看调试器桥接层（lib/bridge.js）或空闲门控的 UI 通道（lib/desktop.js）。如果你做过 Electron 应用的 CDP 自动化，我很期待收到反馈。

非官方；与 Anthropic 没有附属关系或背书。