#283 · 主分类： AI代理与自动化
MobileAgent
agent
android
app
automation
copilot
gui
mllm
mobile
mobile-agents
multimodal
multimodal-agent
multimodal-large-language-models
Mobile-Agent：强大的GUI代理家族
项目最后更新：07/07/26
GitHub Stars
9.1K
Forks数量
911
贡献者数量
30
许可证
MIT
收录理由
要让一个图形界面智能体真正操作真实软件，需要同时解决两个难题：看清屏幕上有什么，以及决定下一步该怎么做。Mobile-Agent 系列把这两件事一起做了——用能读屏的多模态模型搭配一个决策层，把视觉理解转化成对手机应用和桌面程序的具体操作。仓库里还提供了 GUI-Owl 和更新的 ToolCUA 等开源模型，连同训练数据和评测资源，让团队能从头到尾研究一个生产级 GUI 智能体是怎么搭建的，而不是只调用一个薄封装。对想从单个应用演示走向让智能体自己判断该用哪个工具的研究者和工程师来说，这是个很实在的起点。README 里附了在线演示和托管 API 的链接，不必先投入部署就能上手体验。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。