我要投稿

UI-TARS Desktop：智能桌面控制更高效

发布日期：2025-05-28 11:55:49 浏览次数： 2050

作者：De-仓鼠

微信搜一搜，关注“De-仓鼠”

❝
本文预计阅读时间：2分钟

UI-TARS介绍

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

UI-TARS安装

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：

API准备

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：

UI-TARS配置

❝
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：

UI-TARS使用

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

相关资讯

2025-11-26

7800美元！微博Vibethinker-1.5B数学能力超越R1-671B

2025-11-25

混元OCR模型宣布开源，参数仅1B，多项核心能力SOTA

2025-11-25

5分钟部署AstrBot+NapCat：用Docker把 DeepSeekAI接入你的QQ

2025-11-25

OpenAI 推出 Shopping Research：AI 正在重塑电商价值链

2025-11-25

Gemini Prompt：直接开源！我把「顶尖商业咨询」写进了一套 AI 指令里

2025-11-24

字节跳动开源RL框架verl：让大模型强化学习效率提升20倍，已支持671B参数模型训练

2025-11-24

GPUStack v2：推理加速释放算力潜能，开源重塑大模型推理下半场

2025-11-23

一行代码，让你的 AI 拥有永久记忆！告别昂贵的向量数据库

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

开源发布！适合中国宝宝的 LangGraph 智能体开发模板！

2025-09-06

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

大家都在问

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部