Inteligencia en automatización de escritorios

Introducción general Skyvern es una herramienta para automatizar los flujos de trabajo del navegador utilizando técnicas de Large Language Modelling (LLM) y visión por ordenador. Automatiza eficientemente un gran número de sitios web proporcionando un punto final de API simple que puede reemplazar soluciones de automatización que son frágiles o poco fiables....

Fellou es el primer navegador del mundo orientado a la acción con IA de Fellou AI. Fellou es el primer navegador web habilitado para IA del mundo, que no solo ofrece la funcionalidad de navegación web de un navegador tradicional, sino que también automatiza tareas y permite la búsqueda profunda de información a través de la tecnología de IA.....

Introducción general Playwright MCP es una herramienta de código abierto desarrollada por Microsoft y alojada en GitHub. Permite que los modelos de inteligencia artificial controlen directamente los navegadores a través del protocolo Model Context Protocol (MCP),...

Introducción general Suna es un agente de IA de propósito general de código abierto desarrollado por Kortix AI, alojado en GitHub, basado en la licencia Apache 2.0, que permite a los usuarios descargarlo, modificarlo y autoalojarlo gratuitamente. Utiliza el diálogo en lenguaje natural para ayudar a los usuarios con...

Introducción general Agent S es un marco de código abierto desarrollado por Simular AI que permite a las inteligencias manejar ordenadores como si fueran humanos a través de una interfaz gráfica de usuario (GUI). Utiliza un gran modelo de lenguaje multimodal y técnicas de aprendizaje empírico para realizar tareas como navegar por la web, editar documentos, utilizar software...

Introducción general Midscene.js es una herramienta de automatización del navegador impulsada por IA que controla páginas web, realiza aserciones y extrae datos a través de comandos de lenguaje natural. Es compatible con extensiones de Chrome, SDK de JavaScript y scripts YAML, lo que simplifica la medición de la IU....

Introducción general UI-TARS Desktop es una aplicación de agente de interfaz gráfica basada en UI-TARS (Visual Language Model) desarrollada por ByteDance. La aplicación permite a los usuarios controlar los ordenadores a través del lenguaje natural para una interacción humano-ordenador más intuitiva y eficiente.UI-TAR...

Descripción general Nanobrowser es una extensión de Chrome de código abierto diseñada para automatizar tareas web mediante un sistema multiagente impulsado por IA. Es una alternativa gratuita a OpenAI Operator, donde los usuarios simplemente proporcionan su LLM...

Introducción general Agent.exe es una aplicación Electron de código abierto que utiliza la API Sonnet Claude 3.5 de Anthropic para permitir a los usuarios controlar su ordenador local directamente a través de la IA. El proyecto fue desarrollado por K...

Introducción general NeoAI es una innovadora herramienta de código abierto AI asistente que permite a los usuarios controlar y gestionar fácilmente sus ordenadores a través del diálogo en lenguaje natural. Sin escribir ningún código, los usuarios pueden hacer la búsqueda de archivos, automatización de tareas, gestión de dispositivos y mucho más con sólo el diálogo diario.NeoAI...

Introducción general Browser Use Web UI es un innovador proyecto de código abierto centrado en proporcionar a los agentes de IA capacidades de interacción con el navegador como herramienta de interfaz gráfica. El proyecto está construido sobre el núcleo del framework browser-use, construido con Gradio ...

Introducción general Stagehand es un marco de navegación web de IA centrado en la simplicidad y la extensibilidad. Es totalmente compatible con Playwright y proporciona tres API de IA simples (actuar, extraer y observar) que se construyen sobre la base...

Introducción general MobileAgent es un potente asistente de operación de dispositivos móviles diseñado para mejorar la eficiencia y la automatización de la operación de dispositivos móviles a través de la colaboración multi-agente y módulos de percepción visual mejorada. Está desarrollado por el equipo de X-PLUG y es compatible con Android y ...

Introducción general Highlight AI es un asistente de IA de escritorio para Windows y macOS (versión móvil en desarrollo) que ayuda a los usuarios a completar rápidamente tareas en cualquier aplicación a través de comandos de voz y análisis de contenido de pantalla. Captura el contenido de la pantalla, genera...

Introducción general Libra es una innovadora herramienta de Greenbit.ai cuya función principal es generar inteligencias IA que se ejecutan localmente a través del diálogo en lenguaje natural. Denominada "Vibe Agent", permite a los usuarios describir sus necesidades en términos sencillos y crear rápidamente...

Introducción exhaustiva Browser-Use es una innovadora herramienta de automatización web de código abierto diseñada específicamente para permitir que los modelos lingüísticos (LLM) interactúen de forma natural con los sitios web. Proporciona un marco potente y flexible que admite una amplia gama de modelos lingüísticos convencionales, como GPT-4, Claud...

Introducción general DroidRun es una herramienta de código abierto que permite a la IA manejar un teléfono Android como un humano. Ayuda a la IA a automatizar tareas como abrir aplicaciones, enviar mensajes o navegar por Internet extrayendo elementos interactivos como botones en pantalla, cuadros de entrada, etc. DroidRun combina...

El agente de introducción integral TARS es una inteligencia artificial multimodal de código abierto de ByteDance, con características básicas que ayudan a los usuarios a completar tareas informáticas complejas mediante la comprensión visual del contenido web y la combinación de operaciones de línea de comandos y del sistema de archivos. En lugar de requerir operaciones manuales como las herramientas tradicionales, puede auto...

Descripción general Strawberry es un navegador inteligente con un asistente de IA integrado diseñado para ayudar a los usuarios a automatizar sus tareas diarias y mejorar la eficiencia. Se diferencia de los navegadores tradicionales por integrar tecnología de IA que entiende el contenido web en tiempo real y realiza tareas complejas como la investigación rápida, la redacción de contenidos...

Introducción general AiPy es una herramienta de línea de comandos Python de código abierto desarrollada por el equipo Knownsec. Combina el Large Language Model (LLM) y el entorno de ejecución de Python para permitir a los usuarios generar y ejecutar automáticamen...

Introducción general Airtop es una herramienta de automatización de navegadores basada en IA. Permite a los usuarios controlar navegadores en la nube para realizar operaciones web complejas como iniciar sesión en un sitio web, rastrear datos o realizar tareas de automatización mediante sencillos comandos de lenguaje natural. Resuelve el problema de escribir scripts tradicionales que son complejos y capacit...

Introducción general E2B Open Computer Use es un proyecto de código abierto cuyo objetivo es proporcionar una experiencia segura de uso de ordenadores Linux basada en la nube a través de E2B Desktop Sandbox.E2B Sandbox proporciona un entorno gráfico de escritorio que los usuarios...

Introducción CogAgent es un modelo de lenguaje visual de código abierto desarrollado por el Grupo de Investigación de Minería de Datos de la Universidad de Tsinghua (THUDM), cuyo objetivo es automatizar el funcionamiento de la interfaz gráfica de usuario (GUI) en todas las plataformas. El modelo se basa en CogVLM (GLM-4V-9B) y es compatible con el chino y el inglés bilingües....

Introducción general Eko es un marco JavaScript de nivel de producción diseñado para construir flujos de trabajo de agentes inteligentes eficientes mediante descripciones en lenguaje natural. Está diseñado para permitir a los desarrolladores automatizar tareas cotidianas utilizando tecnologías de IA sin necesidad de programac...

Introducción completa Proxy Lite es una herramienta de automatización web ligera y de código abierto desarrollada por Convergence AI como una mini-versión de Proxy con un diseño de peso abierto. Se basa en el parámetro 3B Visual Language Model (VLM) y es capaz de auto...

Introducción General Clevrr Computer es un proyecto de código abierto que tiene como objetivo automatizar las operaciones del sistema mediante el uso de la biblioteca PyAutoGUI. El proyecto se inspiró en Anthropic para diseñar un agente de automatización que pueda realizar operaciones de forma precisa y eficiente utilizando ...

Introducción general Optexity es un proyecto de código abierto en GitHub, desarrollado por el equipo de Optexity. Su núcleo es utilizar datos de demostración humana para entrenar a la IA a completar tareas informáticas, especialmente operaciones de páginas web. El proyecto contiene tres bibliotecas de código: Compute...

Introducción AppAgent es un marco de agente multimodal basado en un modelo de lenguaje amplio (LLM) diseñado para manipular aplicaciones de teléfonos inteligentes. El marco imita interacciones humanas como toques y deslizamientos a través de un espacio de manipulación simplificado, eliminando así la necesidad de acceso al back-end del sistema y extendiendo su uso a través de diferentes aplicaciones....

Descripción general Dia Browser es un nuevo navegador inteligente desarrollado por The Browser Company que tiene como objetivo proporcionar a los usuarios una experiencia de navegación más eficiente mediante la integración de herramientas avanzadas de IA. Se espera que el navegador se lance oficialmente a principios de 2025, con características clave...

GLM-PC (Bull) Introducción GLM-PC es una aplicación de escritorio basada en el modelo CogAgent, capaz de realizar rápidamente tareas complejas mediante comandos de lenguaje natural. Tiene capacidad de planificación de tareas y comprensión de interfaces, y puede completar de forma autónoma diversas operaciones informáticas siguiendo las instrucciones del usuario. Notas de uso...

Introducción completa autoMate es una herramienta de automatización local desarrollada por yuruotong1 de código abierto en GitHub, con AI + RPA (Inteligencia Artificial + Automatización Robótica de Procesos) como su característica principal. Combina la comprensión inteligente de modelos lingüísticos a gran escala con RPA....

Introducción general Shortest es un marco de pruebas de extremo a extremo en lenguaje natural basado en IA desarrollado por el equipo Anti-Work. Se basa en Playwright y admite la integración con GitHub y la autenticación de dos factores (2FA)....

Introducción general AutoMouser es una extensión de Chrome que rastrea de forma inteligente las interacciones del usuario y genera automáticamente código de prueba Selenium utilizando los modelos GPT de OpenAI. Para ello, registra las acciones del navegador del usuario y las convierte...

Introducción general Open Operator es un proyecto de código abierto que pretende automatizar operaciones en el navegador mediante inteligencias de IA. El proyecto está desarrollado por Browserbase y combina las tecnologías de Stagehand y Browserbase....

Introducción general TankWork es un marco de agentes de escritorio de código abierto diseñado para permitir que la IA perciba y controle su ordenador a través de la visión por ordenador y la interacción a nivel de sistema. El marco permite a los agentes controlar directamente los ordenadores mediante comandos de voz y texto, procesar el contenido de la pantalla en tiempo real y proporcionar...

Introducción general Convergence es una empresa dedicada a ayudar a las personas a recuperar el control de su tiempo utilizando tecnologías de aprendizaje automático. Mediante el desarrollo de modelos de metaaprendizaje a gran escala (LMLM), los agentes de IA de Convergence (agentes navegadores) son capaces de adquirir nuevas habilidades en tiempo real utilizando...

Introducción general mac assistant es un proyecto de cuerpo de inteligencia AI diseñado para macOS, con el objetivo de simplificar las operaciones del usuario mediante la combinación de software nativo y funciones web. Actualmente, el proyecto es compatible con las API OpenAI y GEMINI, y tiene previsto ...

Introducción general El proyecto Mariner es un prototipo de investigación puesto en marcha por Google DeepMind para explorar el futuro de la interacción persona-ordenador. El proyecto aprovecha las potentes capacidades de comprensión y razonamiento multimodal de Gemini 2.0 a través de un navegador auto...

LangGraph CUA es un proyecto de código abierto desarrollado por el equipo de LangChain. Se basa en el marco LangGraph, lo que permite a los desarrolladores utilizar Python para construir inteligencias AI que pueden operar directamente el ordenador. El núcleo de esta herramienta ...

Introducción general RunRabbit es una herramienta basada en inteligencia artificial que permite a los usuarios controlar su navegador para realizar diversas tareas mediante sencillos comandos de voz o texto. Su mejor característica es que entiende las necesidades del usuario y luego manipula automáticamente las páginas web, como buscar información, rellenar formularios o realizar tareas repetitivas....

Introducción general Rabbit Android Agent es una inteligencia artificial innovadora desarrollada por Rabbit, diseñada para ayudar a los usuarios a completar tareas de uno o varios pasos en sus dispositivos Android a través de comandos de voz y texto. La tecnología se basa en la ...

Introducción general Runner H es una empresa dedicada al desarrollo de modelos de acción de vanguardia diseñados para mejorar la productividad de los trabajadores mediante capacidades avanzadas de IA. Su producto estrella, Runner H, es un agente de IA avanzado diseñado para ayudar a los usuarios a automatizar tareas complejas de varios pasos y reducir re...

Introducción general BrowserAgent es una herramienta que crea y ejecuta flujos de trabajo de IA directamente en el navegador. Es fácil de usar y no requiere escribir código, el usuario simplemente describe el flujo de trabajo deseado y la IA se genera automáticamente. Su característica principal es completamente privada, todos los datos están en el navegador...

Introducción general ClickClickClick es un framework desarrollado por BandarLabs que pretende automatizar operaciones en Android y PC utilizando cualquier Large Language Model (LLM) local o remoto. El proyecto se encuentra actualmente en una fase altamente experimental y soporta una variedad de modelos como...