跳到正文

AgentCPM-GUI

开源手机端 GUI 代理,看截图自动执行任务

访问官网

AgentCPM-GUI 是什么

AgentCPM-GUI 被介绍为一款开源的手机端大型语言模型代理,专为操作中英文应用程序设计,能根据用户屏幕截图自动执行任务,并定位于提高移动端的生产力。

你可以用它做什么

  • 基于双语 Android 数据集理解常见 GUI 元素
  • 通过专门精细调优操作中文应用
  • 借强化微调在输出操作前进行规划与推理
  • 使用简洁 JSON 格式的紧凑动作空间

应用场景

  • 在 Dianping 用截图和指令获取餐厅信息
  • 在 bilibili 上让代理自动浏览视频内容
  • 在 Amap 中指令模型执行导航和路线规划

上手流程

  • 克隆 AgentCPM-GUI 代码库到本地
  • 安装所需依赖项,如 Python 和相关库
  • 下载模型并放置在指定目录
  • 通过代码加载模型和 tokenizer,准备输入数据

优点与缺点

✓ 我们认可的地方

  • 双语 Android 预训练叠加中文应用精细调优
  • 输出操作前先推理,面向复杂任务成功率

! 需要留意的地方

  • 任务执行依赖屏幕截图与用户指令
  • 上手需克隆代码、安装 Python 依赖并下载模型

常见问题

代理依据什么执行任务?

资料说明根据用户屏幕截图自动执行任务。

面向哪些语言的应用?

专为操作中英文应用程序而设计。

最后评测: 2026-11-15

更多 AI 办公助手 工具

查看全部 →

评测方法