跳到正文

UI-TARS-desktop

用自然语言通过视觉语言模型控制电脑

访问官网

UI-TARS-desktop 是什么

UI-TARS-desktop 是由字节跳动开发的一款桌面客户端应用,基于 UI-TARS 视觉语言模型,允许用户通过自然语言与计算机交互完成各种任务。它能理解自然语言指令,并通过屏幕截图与视觉识别实现精准的鼠标和键盘操作。

你可以用它做什么

  • 用自然语言指令控制电脑操作,如打开应用、输入文章等
  • 借助屏幕截图与视觉识别识别屏幕元素并交互
  • 用精准的鼠标和键盘控制模拟真实用户操作
  • 通过实时反馈查看任务执行状态

应用场景

  • 用自然语言指令打开浏览器并搜索特定内容
  • 通过语音指令在社交媒体上发布消息
  • 自动填写表单并提交数据

上手流程

  • 从 GitHub 下载最新版本的 UI-TARS-desktop 安装包
  • 根据操作系统(Windows 或 macOS)进行安装
  • 启动应用后授权屏幕录制、辅助功能等权限
  • 打开应用,输入自然语言指令开始使用

优点与缺点

✓ 我们认可的地方

  • 精准的鼠标和键盘控制模拟真实用户操作
  • 实时反馈让操作状态清晰可见

! 需要留意的地方

  • 客户端基于 UI-TARS 视觉语言模型
  • 操作依赖屏幕截图与视觉识别

常见问题

支持哪些操作系统?

资料说明跨平台支持 Windows 和 macOS。

怎样获取这款应用?

记录的步骤从 GitHub 下载最新版安装包开始,项目在 GitHub 上开源并可免费下载。

最后评测: 2026-11-15

更多 AI 办公助手 工具

查看全部 →

评测方法