UI-TARS-desktop

收录理由

多数智能体框架只停留在文本交互，这个项目却把“看懂界面”和“动手操作”做成了核心能力。仓库里打包了一款桌面应用，将UI-TARS视觉语言模型落地为本地电脑与浏览器操作员，同时附带一套更完整的智能体栈，提供命令行和网页界面，让任务能横跨终端、浏览器和产品界面执行。它处理的是真实的图形界面工作，比如逐项点击设置、填写表单、翻页导航，靠的是视觉定位与DOM控制的结合，还能接入MCP服务器，让智能体调用外部工具。对于正在评估电脑操作自动化方案的团队来说，这是一个跨平台的起点，支持完全本地运行以照顾隐私敏感场景，需要更强算力时也可以切换到远程模型。