一个能自我进化的 AI 智能体，从 3.3K 行种子代码长出技能树，实现全系统控制，token 消耗比常规方案低 6 倍。
基于多模态大模型的 GUI 智能体家族，能看懂手机和电脑界面并自动点击操作，帮你完成跨 App 的自动化任务。
…nstinct, Manus Cue: AI coworkers (named agents) with instructions, memory, routines, their own isolated computer, and your ap…
基于 LLM、RAG 和 agent 循环打造的新一代个人 AI 助手，能操作电脑、控制浏览器并执行编码任务。
自动投递简历的求职机器人，能按简历匹配度筛选岗位并批量提交申请，睡觉时也能持续找工作。
用 Rust 写的命令行工具，让 AI 代理通过 macOS 辅助功能接口直接操作桌面应用，把电脑使用能力接进 Agent 工作流。
开源的端到端视觉语言模型 GUI 智能体，能看懂屏幕截图并直接操作图形界面，帮你自动完成电脑上的点击、输入等交互任务。
跨 macOS、Windows、Linux、浏览器和移动端的电脑操作 Agent，能看屏幕、点击、输入、浏览网页并直接写代码，用一个 Agent 自动操作各类设备。
用 AI 通过终端、浏览器、鼠标和键盘操控整台电脑的桌面应用，让 Claude 等模型直接替你执行 GUI 操作。
用一块 7 美元的 ESP32 给 AI 模型配上真 iPhone 的「眼睛和手」：AirPlay 投屏看画面，USB HID 模拟触控操作，无需 Mac、开发者账号或越狱。
本地优先的 AI 智能体，通过 llama.cpp 在你自己的机器上运行开源权重模型，兼顾浏览器自动化与命令行操作，数据不出本机。
用游戏当测试场来评估 LLM/VLM 智能体的框架，提供可复现的游戏环境和评测流程，方便对比不同模型在交互决策上的表现。
每天更新数据的 JavaScript 库，用来生成随机 User-Agent，方便爬虫和浏览器自动化时伪装请求头、降低被识别风险。
微软推出的可扩展 Windows 操作系统平台，用于测试和基准评测多模态 AI 智能体在真实桌面环境中的表现。
把 DeepSeek Harness 编码 Agent 装进手机：既能在安卓本机直接跑，也能远程遥控电脑上的会话，随时随地下达编码任务。
微软开源的前沿电脑操作智能体模型系列，让 AI 直接操控浏览器和桌面界面完成点击、输入等任务，省去为每个网站单独写自动化脚本。
让 AI Agent 直接操控 Linux 桌面的原生工具，通过 AT-SPI 语义树、截图、窗口定位和输入模拟，兼容 GNOME、KDE、Hyprland 等主流桌面环境。
让 LLM 智能体自主操作电脑的框架，靠视觉感知的分层记忆和自写技能实现自我进化，解决智能体长期记忆与能力积累问题。
企业级 AI Agent 沙箱平台，让 Agent 安全执行 LLM 生成的非受信代码、操作浏览器和电脑、部署网站，基于 Kubernetes 原生架构。
字节开源的多模态 AI Agent 桌面栈，把前沿模型和 Agent 基础设施连起来，让 Agent 能像人一样操作 GUI、浏览器和电脑完成任务。
给纯文本大模型补上视觉能力的工具箱，支持多图理解、长截图 OCR、前端 UI 还原和 GUI 自动化，可无缝接入 Claude Code、Codex 等主流 agent。
用 Rust 写的命令行工具，让 AI Agent 通过 CDP 感知和控制浏览器，支持标签页切换、执行 JS、管理 Cookie、截图和文件上传。
自托管的 AI 数字同事平台，可创建带指令、记忆、例行任务和独立隔离电脑的命名智能体，执行操作前需你批准。
系统梳理基于多模态大模型的 OS Agent 研究，覆盖电脑、手机和浏览器三类操作场景，适合快速建立该方向的技术全景。
Mac 上的 AI 智能体，通过辅助功能驱动任意应用，能在 Xcode 里写代码构建、跑 AppleScript 和 Swift 脚本，支持 23 家模型和本地 Apple Intelligence。
SEAgent 是一个能自主从经验中学习、持续自我进化的计算机操作智能体，基于 GRPO 强化学习在 OSWorld 等 GUI 环境中训练，让 Agent 越用越会操作电脑。
把局域网里的电脑或服务器通过 TCP 转发暴露到公网，实现内网穿透，可访问内网网站、调试本地支付接口、SSH、远程桌面及 HTTP/HTTPS/SOCKS5 代理。
把公司业务流程写成代码，用多智能体协作自动执行，可自托管或托管部署，让团队像操作操作系统一样管理公司。
用你自己的订阅批量调度 Claude Code、Codex 等编码智能体，桌面、手机和远程运行时都能统一管理，省去多账号切换的麻烦。
一个 MCP 服务器，让 Claude、Cursor 等 AI 应用直接操控你的浏览器，实现网页自动化操作。
开源的 Python 库，让大模型直接操控浏览器完成点击、填表、抓取等网页任务，省去手写 Playwright 脚本的麻烦。
给每个 AI 同事配一台独立电脑，能开浏览器、读写文件、调用工具；所有动作执行前先决策、执行后留记录，可接入任意 AG-UI 智能体。
用大模型把任意网页抓取并转成结构化数据，底层靠 Playwright/Puppeteer 驱动浏览器，适合做网页信息抽取和自动化采集。
用声明式 DSL 描述网页数据抽取流程，由 Go 运行时执行，省去手写爬虫脚本，适合结构化抓取和浏览器自动化。
本地个人图书管理员 Agent，能解析电脑里的文档并建立向量索引，让你用自然语言问答检索文件、整理资料和记住重要信息。
用 Rust 写的无头浏览器，专为 AI Agent 和网页抓取设计，自带反检测能力，能绕过网站对自动化浏览器的识别。
把屏幕截图解析成结构化元素，让纯视觉 GUI Agent 能识别界面上的按钮、图标和文本，无需依赖 DOM 或控件树。
开源手机智能体模型与框架，让 AI 直接操作手机界面完成点按、输入等任务，把「AI 手机」能力开放给所有人。
Hermes Agent 的网页端界面，让你在电脑或手机上直接操作 AI 智能体，省去命令行配置的麻烦。
给开发者用的本地代理边车，解决 GitHub 打不开、clone 和 release 下载慢、Stack Overflow 访问卡的问题，装好即可加速。