微信扫码
添加专属顾问
我要投稿
字节跳动开源的革命性桌面控制工具,自然语言操作电脑,提升办公效率。 核心内容: 1. UI-TARS Desktop的介绍与开源信息 2. 详细的安装与配置步骤 3. 使用UI-TARS进行自然语言控制电脑的操作示例
❝本文预计阅读时间:2分钟
UI-TARS是bytedance(字节跳动)开源的,基于视觉语言模的 GUI 代理应用程序,允许使用自然语言控制计算机。
❝详情:https://github.com/bytedance/UI-TARS-desktop
访问下载地址:https://github.com/bytedance/UI-TARS-desktop/releases/tag/v0.1.2选择对应的安装程序。安装都是一直下一步,此处省略。
安装完毕后,点击图标打开UI-TARS:
使用UI-TARS需要火山引擎支持,访问https://www.volcengine.com/product/ark:使用手机号登录:
登录到火山引擎界面:
点击“API Key管理”--->“创建API key”:
自定义一个名称,点击“创建”:
创建完毕后,点击小眼睛,可以查看key:
点击“复制”按钮,将key保留备用:
❝参考:https://github.com/bytedance/UI-TARS-desktop/blob/main/docs/quick-start.md#doubao-15-ui-tars-on-volcengine
点击“Settings”,除了API Key之外,其他内容参照如下:因为使用了指定的豆包大模型,需要在火上引擎中开通服务。
在火山引擎中,点击“开通管理”,找到指定的大模型,点击“开通服务”:开通时会提示地区,默认即可:
配置完毕后,可以通过对话框发送任务,比如:此时,UI-TARS会调用浏览器查找内容,返回结果:
❝这个过程它会操作浏览器,将获取到结果返回。
更多妙用,大家可自行摸索。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-04-09
很多人突然不玩小龙虾而用Hermes Agent了。我替你试了,跟小龙虾到底有啥不同?
2026-04-08
开源模型首超Opus4.6!智谱GLM-5.1登场,14小时后CUDA专家被冲了
2026-04-08
探索Agentic生产力:从“被动问答”到“自主分析”
2026-04-08
GLM-5.1 又是开源 SOTA?直接做个图片改字工具验验真假!
2026-04-08
GLM-5.1 开源:零介入,交付整套的 Linux 桌面系统
2026-04-08
DeepSeek 推出快速模式和专家模式
2026-04-07
vLLM v0.19.0 来了,适配 HuggingFace v5,多模态优化,CPU KV 缓存卸载
2026-04-04
Gemma 4开源!整整一年,谷歌终于想明白了!!!
2026-01-30
2026-01-27
2026-01-12
2026-01-29
2026-01-27
2026-01-21
2026-01-28
2026-01-26
2026-01-23
2026-01-26
2026-04-09
2026-04-01
2026-03-17
2026-03-13
2026-03-02
2026-02-05
2026-01-28
2026-01-26