桌面自动化智能体

综合介绍 Suna 是 Kortix AI 开发的一个开源通用 AI 代理，托管在 GitHub 上，基于 Apache 2.0 许可证，允许用户免费下载、修改和自托管。它通过自然语言对话帮助用户完成...

综合介绍 Strawberry 是一款内置 AI 助手的智能浏览器，旨在帮助用户自动化日常工作，提升效率。它不同于传统浏览器，集成了 AI 技术，能实时理解网页内容，执行复杂任务，如快速研究、内容撰写...

综合介绍 Fellou是一款由Fellou AI公司推出的全球首个人工智能行动型浏览器。它不仅具备传统浏览器的网页浏览功能，还通过AI技术实现任务自动化和深度信息搜索。Fellou的核心是“深度行动...

综合介绍 AiPy 是一个开源的 Python 命令行工具，由 Knownsec 团队开发。它结合大语言模型（LLM）和 Python 运行环境，让用户通过自然语言描述任务，自动生成并运行 Pytho...

综合介绍 DroidRun 是一个开源工具，让 AI 像人类一样操作安卓手机。它通过提取屏幕上的按钮、输入框等交互元素，帮助 AI 自动完成任务，比如打开应用、发送消息或浏览网页。DroidRun 结...

综合介绍 Agent S 是由 Simular AI 开发的开源框架，让智能体通过图形用户界面（GUI）像人类一样操作电脑。它使用多模态大语言模型和经验学习技术，能完成浏览网页、编辑文档、使用软件等任...

综合介绍 Libra 是 Greenbit.ai 推出的一款创新工具，核心功能是通过自然语言对话生成能在本地运行的 AI 智能体。它被称为“Vibe Agent”，能让用户用简单的话描述需求，快速创建...

综合介绍 Optexity 是一个在 GitHub 上开源的项目，由 Optexity 团队开发。它的核心是用人类演示数据训练 AI 完成计算机任务，尤其是网页操作。项目包含三个代码库：Compute...

综合介绍 RunRabbit 是一个基于人工智能的工具，它能让用户通过简单的语音或文字指令，控制浏览器完成各种任务。它最大的特点是理解用户的需求，然后自动操作网页，比如搜索信息、填写表单或执行重复性工...

综合介绍 LangGraph CUA 是由 LangChain 团队开发的一个开源项目。它基于 LangGraph 框架，让开发者可以用 Python 打造能直接操作电脑的 AI 智能体。这个工具的核...

综合介绍 Agent TARS 是一个由字节跳动开源的多模态 AI 智能体，核心特点是通过视觉理解网页内容，并结合命令行和文件系统操作，帮助用户完成复杂的电脑任务。它不像传统工具需要手动操作，而是能自...

综合介绍 Playwright MCP 是微软开发的一款开源工具，托管在 GitHub 上。它通过 Model Context Protocol（MCP）协议，让人工智能模型能直接控制浏览器，完成打开...

综合介绍 Airtop 是一个基于人工智能的浏览器自动化工具。它让用户通过简单的自然语言命令，就能控制云端浏览器完成复杂的网页操作，比如登录网站、抓取数据或执行自动化任务。它解决了传统脚本编写复杂且容...

综合介绍 BrowserAgent 是一个能在浏览器中直接创建和运行AI工作流的工具。它简单易用，不需要写代码，用户只需描述想要的工作流程，AI就能自动生成。它的核心特点是完全私密，所有数据都在你的浏...

综合介绍 Highlight AI 是一款桌面人工智能助手，支持 Windows 和 macOS（移动版开发中），通过语音指令和屏幕内容分析，帮助用户在任意应用中快速完成任务。它能捕获屏幕内容、生成代...

综合介绍 autoMate 是一款由 yuruotong1 在 GitHub 上开源开发的本地自动化工具，以 AI+RPA（人工智能+机器人流程自动化）为核心特色。它将大型语言模型的智能理解与 RPA...

综合介绍 Nanobrowser 是一个开源的Chrome浏览器扩展，旨在通过AI驱动的多代理系统实现网页任务的自动化。它是一个免费替代OpenAI Operator的工具，用户只需提供自己的LLM...

综合介绍 Proxy Lite 是由 Convergence AI 开发的一款开源、轻量级网页自动化工具，作为 Proxy 的迷你版，采用开放权重设计。它基于 3B参数的视觉语言模型（VLM），能够自...

综合介绍 Rabbit Android Agent 是由 Rabbit 公司开发的一款创新 AI 智能体，旨在通过语音和文字指令，帮助用户在安卓设备上完成单步或多步任务。该技术基于 Rabbit 的 ...

综合介绍 Convergence 是一家致力于利用机器学习技术帮助人们重新掌控时间的公司。通过开发大型元学习模型（LMLMs），Convergence的AI代理（浏览器代理）能够在实时使用中获取新技能...

综合介绍 mac assistant 是一个专为macOS设计的AI智能体项目，旨在通过结合本地软件和网络功能来简化用户操作。该项目目前支持 OpenAI 和 GEMINI API ，并计划未来支持 ...

综合介绍 Open Operator 是一个开源项目，旨在通过AI智能体在浏览器中进行自动化操作。该项目由 Browserbase 开发，结合了 Stagehand 和 Browserbase 的技术...

综合介绍 MobileAgent 是一个强大的移动设备操作助手，旨在通过多代理协作和增强的视觉感知模块，提升移动设备的操作效率和自动化水平。该项目由 X-PLUG 团队开发，支持 Android 和 ...

综合介绍 TankWork是一个开源的桌面代理框架，旨在通过计算机视觉和系统级交互，使AI能够感知和控制您的电脑。该框架允许代理通过语音和文本命令直接控制计算机，处理实时屏幕内容，并提供连续的音频视觉...

综合介绍 UI-TARS Desktop 是由字节跳动开发的一款基于 UI-TARS（视觉语言模型）的图形界面代理应用。该应用允许用户通过自然语言来控制计算机，实现更直观和高效的人机交互。UI-TAR...

综合介绍 Shortest是一个由Anti-Work团队开发的AI驱动的自然语言端到端测试框架。它基于Playwright构建，支持GitHub集成和双因素认证（2FA）。Shortest的主要特点是...

综合介绍 Midscene.js是一个由AI驱动的浏览器自动化工具，能够通过自然语言指令来控制网页、执行断言和提取数据。它支持Chrome扩展、JavaScript SDK和YAML脚本，简化了UI测...

综合介绍 Stagehand是一个专注于简洁性和可扩展性的AI网页浏览框架。它完全兼容Playwright，提供了三个简单的AI API（act、extract和observe），这些API构建在基础...

综合介绍 Eko 是一个生产级的 JavaScript 框架，旨在通过自然语言描述来构建高效的智能代理工作流程。它的设计使开发者能够在不深入编程的情况下，利用AI技术自动化日常任务。Eko提供了一个统...

综合介绍 AutoMouser 是一个 Chrome 扩展程序，能够智能地跟踪用户交互，并使用 OpenAI 的 GPT 模型自动生成 Selenium 测试代码。它通过记录用户的浏览器操作并将其转换...

综合介绍 Browser Use Web UI是一个创新的开源项目，专注于为AI代理提供浏览器交互能力的图形化界面工具。该项目建立在 browser-use 核心框架之上，通过Gradio构建了一个用...

综合介绍 E2B Open Computer Use 是一个开源项目，旨在通过 E2B 桌面沙盒提供安全的云端 Linux 计算机使用体验。E2B沙盒提供了一个桌面图形环境，用户可以将其连接到任何大型...

综合介绍 NeoAI是一款创新的开源AI助手工具，它通过自然语言对话的方式让用户轻松控制和管理电脑。无需编写任何代码，用户只需要用日常对话的方式就能完成文件查找、任务自动化、设备管理等操作。NeoAI...

综合介绍 CogAgent是由清华大学数据挖掘研究组（THUDM）开发的开源视觉语言模型，旨在实现跨平台的图形用户界面（GUI）自动化操作。该模型基于CogVLM（GLM-4V-9B），支持中英文双语...

综合介绍 ClickClickClick是一个由BandarLabs开发的框架，旨在通过使用任何本地或远程的大型语言模型（LLM）实现安卓和电脑的自动化操作。该项目目前处于高度实验阶段，支持多种模型如...

综合介绍 Browser-Use是一个创新的开源网页自动化工具，专门设计用于让语言模型(LLM)能够自然地与网站进行交互。它提供了一个强大而灵活的框架，支持多种主流语言模型，包括GPT-4、Claud...

综合介绍 Project Mariner 是 Google DeepMind 推出的一个研究原型，旨在探索未来的人机交互方式。该项目利用 Gemini 2.0 强大的多模态理解和推理能力，通过浏览器自...

综合介绍 Dia Browser是由The Browser Company开发的一款全新智能浏览器，旨在通过集成先进的AI工具，为用户提供更高效的浏览体验。该浏览器预计于2025年初正式发布，主要特点...

综合介绍 Clevrr Computer 是一个开源项目，旨在通过使用 PyAutoGUI 库来实现系统操作的自动化。该项目受到 Anthropic 的启发，设计了一个自动化代理，可以精确高效地执行用...

GLM-PC（牛牛）简介 GLM-PC 是基于 CogAgent 模型的桌面应用，能通过自然语言指令快速执行复杂任务。它具备任务规划和界面理解能力，可根据用户指令自主完成各种计算机操作。 使用注意...

综合介绍 Runner H是一家致力于开发前沿行动模型的公司，旨在通过先进的AI能力提升工人的生产力。其旗舰产品Runner H是一款先进的人工智能代理，旨在帮助用户自动化复杂的、多步骤的任务，减少重...

综合介绍 AppAgent 是一个基于大语言模型（LLM）的多模态代理框架，旨在操作智能手机应用程序。该框架通过简化的操作空间，模仿人类的交互方式，如点击和滑动，从而无需系统后端访问，扩大了其在不同应...

综合介绍 Skyvern 是一个利用大语言模型（LLM）和计算机视觉技术来自动化浏览器工作流的工具。它通过提供一个简单的API端点，能够替代那些脆弱或不可靠的自动化解决方案，从而高效地自动化大量网站上...

综合介绍 Agent.exe 是一个开源的 Electron 应用程序，利用 Anthropic 的 Claude 3.5 Sonnet API，让用户可以通过 AI 直接控制本地计算机。该项目由 K...