CogAgent：智谱开源的智能视觉语言模型，实现图形界面自动化操作
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），支持中英文双语交互，能够通过屏幕截图和自然...
共 9 篇文章
标签：桌面自动化智能体
ClickClickClick：启用任何LLM实现自动化安卓和电脑操作
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Ollama、Gemini和GPT 4o。用...
GizAI 集成主流商业化生成式AI工具，不限文本、图像、音频、视频生成工具，这一切完全免费！
GizAI 是一个集成了AI生成、笔记和云存储功能的一站式平台。用户可以通过GizAI生成图像、视频、音频、文本、角色、故事和游戏，并且可以在平台上进行协作笔记和云存储。GizAI 提供了多种AI工具，帮助用户提高生产力和创造力，同时保护用户隐私，不会在未经同意的情况下使用用户数据进行AI训练。 GizAI 由 Giz Inc. 运营，成立于 Stripe Atlas，并获得 Google for Startups Cloud、Microsoft for Startups Founders Hub、AWS Activate 和 Paddle AI LaunchPad 等项目的支持。GizAI 坚信 使用先进的 生成式AI技术 是每个人的权力，提供免费的广告支持计划，允许用户生成、协作和分享内容。
Browser-Use：构建智能网页自动化工具，让AI智能体轻松操作浏览器
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、Claude等。该工具最显著的特点...
Dia Browser：提供智能浏览体验，集成AI工具，在浏览器中自动化处理任务（未上线）
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，主要特点包括智能写作辅助、自动化任务处理和...
Clevrr Computer：使用 PyAutoGUI 库实现自动化桌面操作智能体
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户的系统操作任务。Clevrr Computer 能...
GLM-PC（智谱牛牛）正式发布内测下载，真正可以控制电脑的AI
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。 使用注意事项 使用专用虚拟机...
Runner H：通过自然语言命令实现网页自动化执行任务（申请内测）
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，减少重复和手动输入。通...
AppAgent：利用多模态智能体自动操作智能手机
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，扩大了其在不同应用程序中的...
Agent.exe：让AI直接控制你的电脑，Claude控制计算机的开源实现
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 Kyle Corbitt 开发，旨在提供一个轻量级的解决方案，让用户体...
简体中文 
English 
日本語 
Deutsch (Sie) 
Português do Brasil