正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

UI-TARS：字节跳动开源一种能够自我学习的GUI Agent 它能模拟人类操作手机和电脑并完成任务并具备高级的感知、推理和交互能力与传统依赖模块化框架或手工提示优化的系统不同，UI-TARS采用端到端架构，依赖纯视觉输入，实现了对复杂任务的全面自动化。 UI-TARS 的特点： - 看得懂界面：能理解界面上的按钮、输入框等元素，还能精准找到它们的位置。 - 多平台通用：不管是手机、电脑还是网页，UI-TARS 都能轻松适应。 - 高级推理能力：支持复杂任务的分解与多步决策，能自己规划步骤，遇到问题会反思并修正错误。 - 不断学习：通过反思和在线采集更多任务数据，它可以不断优化和适应新的任务场景，变得越来越聪明。

小互

111,226 subscribers

46,108 次观看 • 1 年前 •via X (Twitter)

教育科学技术新闻政治

Anya Rossi• Live Now

Private livecam show

8 条评论

小互的头像

小互1 年前

在10多个GUI代理基准测试中达到最先进水平（SOTA）。在复杂的动态交互场景中，其性能优于主流模型（如GPT-4o和Claude Computer Use）。由于不依赖手动设计规则和模块化框架，适应性和泛化能力更强。重复性任务：如表单填写、批量处理等任务中，显著提升效率。复杂交互场景：如在线预订、数据录入等多步骤流程，UI-TARS展现卓越适应能力。跨平台自动化：支持在网页、桌面和移动端上的统一操作。

小互的头像

小互1 年前

字节还顺便提供了在桌面和网页端运行 UI-TARS 的开发框架。可以体验：UI-TARS-desktop：

小互的头像

小互1 年前

UI-TARS详细介绍：

小互的头像

小互1 年前

更多更全场景演示视频 ↓

UserInterface 的头像

UserInterface2 年前

Unveiling the Future of Prompt Engineering for Better AI Interactions #tech

Midscene AI 的头像

Midscene AI1 年前

下面网页视频的操作来自 Midscene ，欢迎👏关注我们～

Le Blue 的头像

Le Blue1 年前

怎么那么多字节的ai产品，豆包marscode、coze、trae..

小互的头像

小互1 年前

他们是赛马模式，自己人都搞不清有多少个项目在同时进行，而且互相不知道对方在干什么！效率非常高！🤣

相关视频

一款用于PC上自动执行复杂任务的多智能体协作系统：PC-Agent，它可以根据指令控制Chrome、Word、微信等，比现有方法的任务成功率提高了32% PC-Agent增加了一个主动感知模块，增强了MLLM对屏幕截图内容的感知能力，能更好的理解屏幕上的内容采用分层多智能体协作架构，把决策过程分成指令、子任务、动作三个层级，设置了三个智能体分别负责指令分解、进度跟踪、逐步决策还有一个反思智能体，及时向上反馈错误和调整已支持Windows系统 #AI电脑自动化 #AI电脑助手 #PCAgent

一款用于PC上自动执行复杂任务的多智能体协作系统：PC-Agent，它可以根据指令控制Chrome、Word、微信等，比现有方法的任务成功率提高了32% PC-Agent增加了一个主动感知模块，增强了MLLM对屏幕截图内容的感知能力，能更好的理解屏幕上的内容采用分层多智能体协作架构，把决策过程分成指令、子任务、动作三个层级，设置了三个智能体分别负责指令分解、进度跟踪、逐步决策还有一个反思智能体，及时向上反馈错误和调整已支持Windows系统 #AI电脑自动化 #AI电脑助手 #PCAgent

AIGCLINK

31,697 次观看 • 1 年前

一个相当牛的开源项目 Windows-Use，让任何大语言模型直接控制操作 Windows 系统。支持打开应用、按钮点击、文字输入等基础交互，可自动化执行命令，实现系统级别的自动化操作。 GitHub：同时可实时捕获和理解界面状态，智能判断下一步操作，不依赖传统的计算机视觉模型。支持 Windows 7 到 Windows 11 全系列系统，可直接语音输入，动动嘴皮就能控制电脑。

Sensitive content

一个相当牛的开源项目 Windows-Use，让任何大语言模型直接控制操作 Windows 系统。支持打开应用、按钮点击、文字输入等基础交互，可自动化执行命令，实现系统级别的自动化操作。 GitHub：同时可实时捕获和理解界面状态，智能判断下一步操作，不依赖传统的计算机视觉模型。支持 Windows 7 到 Windows 11 全系列系统，可直接语音输入，动动嘴皮就能控制电脑。

GitHubDaily

35,658 次观看 • 10 个月前

阿里刚刚放出了其GUI Agent第三代框架：Mobile-Agent-v3，在10+GUI基准测试中取得了SOTA性能在AndroidWorld上达到73.3，在OSWorld上达到37.7 Mobile-Agent-v3是一款基于GUI-Owl的跨平台多智能体框架，GUI-Owl也同时被开源，这是一款多模态跨平台GUI虚拟层模型 GUI-Owl作为GUI自动化基础模型，具备GUI感知、落地、端到端操作能力可以理解GUI界面布局、元素，把指令转化为具体的屏幕坐标和操作，完成完整的GUI操作流程 Mobile-Agent-v3利用GUI-Owl能力与GUI交互，具备任务分解、规划以及进度管理、异常处理和反射能力、关键信息记录能力比如，完成特定目标制定行动计划，跟踪任务执行进度，反馈调整行动。具备关键信息记录能力，支持跨应用任务 #MobileAgentv3 #GUIAgent #AIagent

阿里刚刚放出了其GUI Agent第三代框架：Mobile-Agent-v3，在10+GUI基准测试中取得了SOTA性能在AndroidWorld上达到73.3，在OSWorld上达到37.7 Mobile-Agent-v3是一款基于GUI-Owl的跨平台多智能体框架，GUI-Owl也同时被开源，这是一款多模态跨平台GUI虚拟层模型 GUI-Owl作为GUI自动化基础模型，具备GUI感知、落地、端到端操作能力可以理解GUI界面布局、元素，把指令转化为具体的屏幕坐标和操作，完成完整的GUI操作流程 Mobile-Agent-v3利用GUI-Owl能力与GUI交互，具备任务分解、规划以及进度管理、异常处理和反射能力、关键信息记录能力比如，完成特定目标制定行动计划，跟踪任务执行进度，反馈调整行动。具备关键信息记录能力，支持跨应用任务 #MobileAgentv3 #GUIAgent #AIagent

AIGCLINK

16,734 次观看 • 10 个月前

字节开源了一套 AI Agent 框架：Agent TARS 支持深度研究、电脑操作、文件编辑、MCP。 🌐高级浏览器操作：通过代理框架执行深度研究和操作员功能等复杂任务，实现全面的规划和执行。 🛠️全面的工具支持：集成搜索、文件编辑、MCP，工具来处理复杂的工作流程。 💻️增强的桌面应用程序：改进的用户界面，带有浏览器显示、多模式元素、会话管理、模型配置、对话流可视化以及浏览器/搜索状态跟踪。 🔄 工作流程编排：无缝连接 GUI 代理工具——搜索、浏览、探索链接并将信息合成最终输出。 ⚙️ 开发人员友好框架：简化与 UI-TARS 的集成以及 GUI 代理项目的自定义工作流程创建。演示视频

字节开源了一套 AI Agent 框架：Agent TARS 支持深度研究、电脑操作、文件编辑、MCP。 🌐高级浏览器操作：通过代理框架执行深度研究和操作员功能等复杂任务，实现全面的规划和执行。 🛠️全面的工具支持：集成搜索、文件编辑、MCP，工具来处理复杂的工作流程。 💻️增强的桌面应用程序：改进的用户界面，带有浏览器显示、多模式元素、会话管理、模型配置、对话流可视化以及浏览器/搜索状态跟踪。 🔄 工作流程编排：无缝连接 GUI 代理工具——搜索、浏览、探索链接并将信息合成最终输出。 ⚙️ 开发人员友好框架：简化与 UI-TARS 的集成以及 GUI 代理项目的自定义工作流程创建。演示视频

Orange AI

76,627 次观看 • 1 年前

Manus类agent卷疯了，又出来一款ii-agent开源框架，擅长构建跨多个领域工作流的Agent，能独立执行复杂任务已是Agent标配其技能覆盖研究与核查、内容生成、数据分析可视化、软件开发、工作流自动化、问题解决6个方面可以用它来做笔记、写文章、做研究、分析数据、写代码、建网站、自动化工作流、故障排除等等，基本上日常工作覆盖的差不多了 ii-agent集成了搜索引擎、代码编辑器、命令行终端等工具，使得它可以处理更复杂的任务，具备持续学习和适应能力给了命令行界面和网页界面两种交互方式。目前正在开发针对PDF、音频、图像、视频、幻灯片等不同模态的处理能力 #AIagent #Manus #iiagent #AI智能体

Manus类agent卷疯了，又出来一款ii-agent开源框架，擅长构建跨多个领域工作流的Agent，能独立执行复杂任务已是Agent标配其技能覆盖研究与核查、内容生成、数据分析可视化、软件开发、工作流自动化、问题解决6个方面可以用它来做笔记、写文章、做研究、分析数据、写代码、建网站、自动化工作流、故障排除等等，基本上日常工作覆盖的差不多了 ii-agent集成了搜索引擎、代码编辑器、命令行终端等工具，使得它可以处理更复杂的任务，具备持续学习和适应能力给了命令行界面和网页界面两种交互方式。目前正在开发针对PDF、音频、图像、视频、幻灯片等不同模态的处理能力 #AIagent #Manus #iiagent #AI智能体

AIGCLINK

18,062 次观看 • 1 年前

Mininglamp-AI Mininglamp（2718.HK）开源了两个很有意思的项目： Cider 和 Mano-P 一个解决“Mac 本地跑 AI 怎么更快” 一个解决“AI 怎么真正操作电脑” 可以让你的 Mac 不只是运行 AI，而是成为本地 AI 工作站很多人用 Mac 跑本地模型，会遇到一个问题：芯片很强，但模型跑起来没有想象中那么快 Cider 做的事情，就是把 M5 芯片里的 INT8 TensorOps 更充分用起来，让 LLM / VLM 推理更快、更省内存 Mano-P 则是一个 GUI-VLA Agent，面向端侧设备，可以在 Mac mini / MacBook 上本地推理它不是只能操作浏览器，还能操作桌面软件、网页界面、专业工具和复杂图形化工作流支持复杂 GUI 自动化、跨系统数据整合、长任务规划执行、智能报告生成、自主应用构建技术路径是纯视觉 GUI 操作，截图和任务数据可以不出设备 Cider 解决的是： Mac 本地模型怎么跑得更快、更省内存 Mano-P 解决的是： AI 怎么像人一样看屏幕、操作电脑、完成任务一个是端侧推理加速框架一个是端侧 GUI Agent 模型合起来，就是一套私有 AI 的本地基础设施下面是 Mano-P系统在麻将游戏中的应用：通过纯视觉理解游戏界面，自主完成识牌、分析和决策。

Mininglamp-AI Mininglamp（2718.HK）开源了两个很有意思的项目： Cider 和 Mano-P 一个解决“Mac 本地跑 AI 怎么更快” 一个解决“AI 怎么真正操作电脑” 可以让你的 Mac 不只是运行 AI，而是成为本地 AI 工作站很多人用 Mac 跑本地模型，会遇到一个问题：芯片很强，但模型跑起来没有想象中那么快 Cider 做的事情，就是把 M5 芯片里的 INT8 TensorOps 更充分用起来，让 LLM / VLM 推理更快、更省内存 Mano-P 则是一个 GUI-VLA Agent，面向端侧设备，可以在 Mac mini / MacBook 上本地推理它不是只能操作浏览器，还能操作桌面软件、网页界面、专业工具和复杂图形化工作流支持复杂 GUI 自动化、跨系统数据整合、长任务规划执行、智能报告生成、自主应用构建技术路径是纯视觉 GUI 操作，截图和任务数据可以不出设备 Cider 解决的是： Mac 本地模型怎么跑得更快、更省内存 Mano-P 解决的是： AI 怎么像人一样看屏幕、操作电脑、完成任务一个是端侧推理加速框架一个是端侧 GUI Agent 模型合起来，就是一套私有 AI 的本地基础设施下面是 Mano-P系统在麻将游戏中的应用：通过纯视觉理解游戏界面，自主完成识牌、分析和决策。

小互

12,114 次观看 • 2 个月前

OWL团队刚刚又开源了一款多智能体Manus类工具：Eigent，通过多智能体协作，来更高效的处理更复杂任务从效果看具备整合多种工具和数据的能力，生成的报告内容相对专业全面其处理任务时有清晰的任务拆解和执行过程，它把任务拆解成多个子任务，并会清晰展示出每个子任务的执行状态 Eigent支持根据任务创建或灵活调用workforce，多智能体并行处理执行速度更快支持worker间任务的并行，worker下子任务的并行，子任务执行过程中工具调用的并行可以根据需求定制AI团队，组建一个特定的项目组有Human-in-the-Loop机制，可以在关键节点进行人工干预决策内置200+MCP工具，也支持上传常用的MCP工具 #AI员工 #多智能体团队 #Eigent

OWL团队刚刚又开源了一款多智能体Manus类工具：Eigent，通过多智能体协作，来更高效的处理更复杂任务从效果看具备整合多种工具和数据的能力，生成的报告内容相对专业全面其处理任务时有清晰的任务拆解和执行过程，它把任务拆解成多个子任务，并会清晰展示出每个子任务的执行状态 Eigent支持根据任务创建或灵活调用workforce，多智能体并行处理执行速度更快支持worker间任务的并行，worker下子任务的并行，子任务执行过程中工具调用的并行可以根据需求定制AI团队，组建一个特定的项目组有Human-in-the-Loop机制，可以在关键节点进行人工干预决策内置200+MCP工具，也支持上传常用的MCP工具 #AI员工 #多智能体团队 #Eigent

AIGCLINK

16,164 次观看 • 11 个月前

阿里刚刚放出了其首个千问具身智能体通用模型：Qwen-Robot ，也开始搞具身智能了！ Qwen-Robot由三个模型组成机器人的手+脚+大脑，三个模型可以独立用，也可以组合用比如，用它可以组成一个既能动手端盘子，又能走路送餐，还能预判端着热汤拐弯儿会不会洒的服务机器人 Qwen-RobotManip：其采用80维统一动作表征，把不同机器人的动作翻译成同一种通用语言，并基于摄像头画面的相对位置操作，不再依赖繁琐的绝对坐标计算，解决了换个机械臂、换个场景数据不通用的情况 Qwen-RobotNav：核心思路是把视觉分配策略本身参数化，而非固定，具体解法是把记多少、怎么记变成可调参数，根据任务类型自动配置，不同任务按需配置，比如目标追踪只关注最近几帧省算力，指令跟随保留长程上下文不迷路因为记忆策略参数化了，一套权重即统一五类导航任务在双层智能体系统（上层规划器+Qwen-RobotNav）中，EXPRESS-Bench提升15.4%，导航步数减少了77% 通用接口设计，其他上层AI可以直接调用它的导航能力，无需再为每个任务单独训练一个导航模型，原生支持多种智能体框架 Qwen-RobotWorld：相当于机器人的想象力基于对物理规律的理解，可推理和模拟下一时间点的合理动作和状态；能生成视频数据用于训练，缓解训练数据不足问题；可以在执行前推演未来动作轨迹，使操作更精准 Qwen-Robot相当于是一套模块化的具身智能系统，把导航、操作、世界预测三个专业的能力解耦又协同，让通用模型像调用软件工具一样，调用物理世界的行动能力 #QwenRobot #robot #具身智能

阿里刚刚放出了其首个千问具身智能体通用模型：Qwen-Robot ，也开始搞具身智能了！ Qwen-Robot由三个模型组成机器人的手+脚+大脑，三个模型可以独立用，也可以组合用比如，用它可以组成一个既能动手端盘子，又能走路送餐，还能预判端着热汤拐弯儿会不会洒的服务机器人 Qwen-RobotManip：其采用80维统一动作表征，把不同机器人的动作翻译成同一种通用语言，并基于摄像头画面的相对位置操作，不再依赖繁琐的绝对坐标计算，解决了换个机械臂、换个场景数据不通用的情况 Qwen-RobotNav：核心思路是把视觉分配策略本身参数化，而非固定，具体解法是把记多少、怎么记变成可调参数，根据任务类型自动配置，不同任务按需配置，比如目标追踪只关注最近几帧省算力，指令跟随保留长程上下文不迷路因为记忆策略参数化了，一套权重即统一五类导航任务在双层智能体系统（上层规划器+Qwen-RobotNav）中，EXPRESS-Bench提升15.4%，导航步数减少了77% 通用接口设计，其他上层AI可以直接调用它的导航能力，无需再为每个任务单独训练一个导航模型，原生支持多种智能体框架 Qwen-RobotWorld：相当于机器人的想象力基于对物理规律的理解，可推理和模拟下一时间点的合理动作和状态；能生成视频数据用于训练，缓解训练数据不足问题；可以在执行前推演未来动作轨迹，使操作更精准 Qwen-Robot相当于是一套模块化的具身智能系统，把导航、操作、世界预测三个专业的能力解耦又协同，让通用模型像调用软件工具一样，调用物理世界的行动能力 #QwenRobot #robot #具身智能

AIGCLINK

11,106 次观看 • 1 个月前

微软发布OmniParser V2 将任何大语言模型转变为一个可以与计算机交互的智能代理。让AI可以操控你的电脑执行任务 OmniParser V2将屏幕截图中的信息从像素转化为结构化数据。这些结构化数据能够被 LLM 识别和处理，从而使 LLM 可以更智能地理解和预测下一步操作。这样，任何能够运行的 LLM 都能变成一个“计算机使用代理”，能够执行用户的指令，如： -点击、输入、拖拽等操作。 -进而去执行一些任务图标和高分辨率屏幕的识别上表现更好。 V2 在速度和功能上相较于 V1 提升了60%，并支持多种操作系统和应用程序图标识别。

微软发布OmniParser V2 将任何大语言模型转变为一个可以与计算机交互的智能代理。让AI可以操控你的电脑执行任务 OmniParser V2将屏幕截图中的信息从像素转化为结构化数据。这些结构化数据能够被 LLM 识别和处理，从而使 LLM 可以更智能地理解和预测下一步操作。这样，任何能够运行的 LLM 都能变成一个“计算机使用代理”，能够执行用户的指令，如： -点击、输入、拖拽等操作。 -进而去执行一些任务图标和高分辨率屏幕的识别上表现更好。 V2 在速度和功能上相较于 V1 提升了60%，并支持多种操作系统和应用程序图标识别。

小互

47,084 次观看 • 1 年前

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub：主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub：主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

GitHubDaily

35,779 次观看 • 1 年前

感觉跟 Alma 的 Agent Crew 功能差不多，Alma 提供了一些内置的 Agent，同时用户也可以添加 Custom Agent。每个 Agent 都可以指定： 1. 不同的模型/ACP 2. 不同的视角 3. 不同的工具遇到复杂任务时，系统会自动使用 Agent Crew 拆分和分发给不同的 Agent 去完成整个任务。

感觉跟 Alma 的 Agent Crew 功能差不多，Alma 提供了一些内置的 Agent，同时用户也可以添加 Custom Agent。每个 Agent 都可以指定： 1. 不同的模型/ACP 2. 不同的视角 3. 不同的工具遇到复杂任务时，系统会自动使用 Agent Crew 拆分和分发给不同的 Agent 去完成整个任务。

yetone

22,177 次观看 • 3 个月前

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

小互

44,263 次观看 • 1 年前

OpenAI刚刚发布了一套全新的工具，帮助开发者更轻松地创建AI智能体（Agent）。过去，开发AI智能体时，开发者通常需要自己拼凑不同的API，不仅麻烦，效率也低。OpenAI新推出的三个内置工具有效解决了这些痛点：第一，Web Search工具，让AI智能体能够实时搜索网络，获取最新的事实信息，回答更准确。第二，File Search工具，升级后支持元数据筛选和直接访问向量数据库，更好地利用企业或个人私有数据，轻松实现知识检索（RAG）功能。第三，Computer Use工具，能控制电脑自动执行任务，甚至操作没有API的旧软件，实现复杂任务自动化。 OpenAI同时还推出了全新的Responses API，不仅能支持多轮对话，还能同时调用多个工具，简化复杂流程，提升效率。它将在未来逐步替代Assistant API（计划于2026年停止服务）。此外，OpenAI的开源智能体编排框架Swarm现已正式升级为Agents SDK，更适合生产环境，支持智能体间的协作、任务交接、流程监控和追踪，开发者只需几行代码就能构建强大的多智能体系统。 OpenAI 首席产品官 Kevin Weil 在直播的最后总结说：“2025 年将会是 AI 智能体爆发的一年，也是 ChatGPT 和我们开发者工具从‘仅仅回答问题’ 升级为‘真正能在现实世界里为你执行任务’的一年。”

OpenAI刚刚发布了一套全新的工具，帮助开发者更轻松地创建AI智能体（Agent）。过去，开发AI智能体时，开发者通常需要自己拼凑不同的API，不仅麻烦，效率也低。OpenAI新推出的三个内置工具有效解决了这些痛点：第一，Web Search工具，让AI智能体能够实时搜索网络，获取最新的事实信息，回答更准确。第二，File Search工具，升级后支持元数据筛选和直接访问向量数据库，更好地利用企业或个人私有数据，轻松实现知识检索（RAG）功能。第三，Computer Use工具，能控制电脑自动执行任务，甚至操作没有API的旧软件，实现复杂任务自动化。 OpenAI同时还推出了全新的Responses API，不仅能支持多轮对话，还能同时调用多个工具，简化复杂流程，提升效率。它将在未来逐步替代Assistant API（计划于2026年停止服务）。此外，OpenAI的开源智能体编排框架Swarm现已正式升级为Agents SDK，更适合生产环境，支持智能体间的协作、任务交接、流程监控和追踪，开发者只需几行代码就能构建强大的多智能体系统。 OpenAI 首席产品官 Kevin Weil 在直播的最后总结说：“2025 年将会是 AI 智能体爆发的一年，也是 ChatGPT 和我们开发者工具从‘仅仅回答问题’ 升级为‘真正能在现实世界里为你执行任务’的一年。”

宝玉

67,100 次观看 • 1 年前

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,158 次观看 • 1 年前

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

小互

85,825 次观看 • 5 个月前

课程视频翻译：《“多AI智能体系统”（Multi AI Agent Systems）》这门课程由 CrewAI 的创始人兼CEO João Moura打造。在这门课程中，你将学习如何将复杂任务分解为多个AI智能体的子任务，每个智能体都扮演一个特定的角色并执行相应的任务。例如，生成一份研究报告时，你可能会有研究员智能体、撰写智能体和质量保证智能体进行协作。你需要像管理团队一样，定义这些智能体的角色、期望和交互方式。课程将涵盖关键的AI智能体技术，包括角色扮演、工具使用、记忆管理、保护机制以及跨智能体协作。你还将学习如何构建自己的多智能体系统，以便解决复杂任务。我相信你会发现设计智能体并观察它们协作完成任务既高效又有趣。多智能体架构将在推动AI系统的发展方面起到重要作用。课程地址：

课程视频翻译：《“多AI智能体系统”（Multi AI Agent Systems）》这门课程由 CrewAI 的创始人兼CEO João Moura打造。在这门课程中，你将学习如何将复杂任务分解为多个AI智能体的子任务，每个智能体都扮演一个特定的角色并执行相应的任务。例如，生成一份研究报告时，你可能会有研究员智能体、撰写智能体和质量保证智能体进行协作。你需要像管理团队一样，定义这些智能体的角色、期望和交互方式。课程将涵盖关键的AI智能体技术，包括角色扮演、工具使用、记忆管理、保护机制以及跨智能体协作。你还将学习如何构建自己的多智能体系统，以便解决复杂任务。我相信你会发现设计智能体并观察它们协作完成任务既高效又有趣。多智能体架构将在推动AI系统的发展方面起到重要作用。课程地址：

宝玉

90,510 次观看 • 2 年前

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

宝玉

37,498 次观看 • 1 天前