open-computer-use

收录理由

这个项目把一个运行在云端的 Linux 桌面交给大模型来操作，点击、输入、执行 shell 命令都行。桌面跑在 E2B 沙箱里，跟你的本机隔离开，而且整个显示画面会实时回传，你能看着智能体一步步干活。任务进行中你随时可以喊停、给它新的指示，所以它不像是演示玩具，更像是可以继续往上搭东西的基础。最值得说的是它的模型层：一个 grounding 模型（比如 OS-Atlas 或 ShowUI）和独立的视觉模型、动作模型各司其职，换模型就是把配置改一下的事，从 Llama 切到 Gemini，再到 GPT-4o 或者 Claude，都不用重写代码。这种灵活性让它成了很实用的试验台，能帮你摸清楚哪套开源模型组合真正应付得了真实的图形界面操作。