我要投稿

字节开源了“豆包电脑”：UI-TARS-Destktop

发布日期：2026-01-12 15:28:32 浏览次数： 1537

作者：Kevin改变世界的点滴

微信搜一搜，关注“Kevin改变世界的点滴”

最近字节开源了自动化桌面办公的项目开源，这就是现在的UI-Tars-desktop，通过这个系统就可以实现桌面自动化办公，可以说这就是“豆包电脑”

如下是系统截图，通过视觉可视化UI完成解读UI来驱动系统自动化操作

目前这个产品到底使用如何，简单来说就是通过对话完成任务命令，就可以完成各类浏览器、与应用程序打开。

目前系统支持Agent形式的CLI调用以及普通桌面形式使用，前者是可以将以及客户端2种方式，第一种是支持Web Ui或者CLI的形式，允许开发者进行调用与兼容，第二周则是原生桌面GUI，只能通过远程桌面完成自动化操作。

也就是官方系统了自动化的平台调用形式，如下是系统的演示，15秒时间完成了对比酒店信息与价格。

目前支持多个工具：从CLI命令行到可视化桌面窗口

现在最新版本在11月份更新了之后，支持结构化输出，查看最后的结果，并且适合系统批量处理。

能够支持自动debug相关任务流程命令

可以查询到AI的沟通记录，以及了解他为什么会这么干，以及了解过去的过程与步骤，从而优化提示词与界面，

从豆包手机再到“豆包”电脑，接下来白领会成为第一批淘汰的人

在最近大火的2025年底马斯克的2个半小时访谈里，就提到在2026年预计Grok就会达到AGI，同时第一批被淘汰的人就是用鼠标和键盘的这群白领。

这些人将首先最容易被AI替代，因为没有涉及到物理世界，使用的数据都是数据信号，没有物理原理，而真实世界会有物理世界，这些会逐步被空间智能与空间感知替代。

带着团队打通vision Pro与AndroidXR 以及空间计算与PC、手机

最近之所以发现这个项目，是因为我带着团队正在打破空间计算与PC电脑的隔阂，要是使用vision Pro的同学应该知道，我们现在都只能够投屏PC或手机，所以使用vision Pro总是感觉是割裂的，就是无法和自己的PC电脑进行交互，虽然你知道都是数字化的屏幕，这就导致体验是割裂的。

但是比较遗憾的，现在vision Pro还没有提供眼球数据，所以开发者不能够获取到精细化的选中，而只有AndroidXR提供了眼球数据。

所以后续这类豆包手机、电脑都会成为大大提升人类与系统交互的工具，就不需要每一次点击鼠标或鼠标键盘打字了，将其通过agent帮忙进行输入

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

2026-01-12

一文了解谷歌最新的通用商务协议（UCP）

2026-01-12

SkillsMP：一个聚合了 5 万+ AI Agent 技能的开源社区

2026-01-12

MAI-UI：阿里通义开源的全尺寸GUI智能体基座模型，开启下一代人机交互新纪元

2026-01-11

Obsidian CEO 亲自下场！开源 obsidian-skills，4 天狂揽 4.6K Star！

2026-01-10

唐杰、杨植麟、姚顺雨、林俊旸罕见同台分享，这3个小时的信息密度实在太高了。

2026-01-10

阿里巴巴发布全新开源语音交互大模型：Fun-Audio-Chat

2026-01-10

GitHub 上 2300 人 Star 的 Claude Code 可视化工作流编辑器。

2026-01-10

7.3K Star！港大开源神作，集问答、可视化、出题于一身的 AI 超级导师！

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

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

2025-11-19

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

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

豆包手机同款AutoGLM硬核开源：AI如何用“眼睛+大脑+手”接管你手机

2025-12-10

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

不想给 Claude 付费，但想玩 Skills？我用国产模型搞定了

2025-10-21

大家都在问

又是量化基金，第二个DeepSeek时刻到来了？

2026-01-02

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

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

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 AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

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