Agent S
活跃简介
开源的计算机使用 Agent 框架，像人类一样操作图形界面完成复杂任务，支持自主学习和经验积累。
核心特性
- 首个在 OSWorld 基准测试中超越人类水平（72.60%）的开源框架
- 跨平台支持 Linux、macOS 和 Windows，通过单显示器进行 GUI 交互
- 模块化 grounding 模块，支持 UI-TARS-1.5-7B 及多种 LLM 后端（OpenAI、Anthropic、Gemini）
- 行为 Best-of-N（bBoN）自我评估机制，无需额外训练即可可靠选择动作
- 零样本泛化至 WindowsAgentArena 和 AndroidWorld，具备强大的迁移性能
- 开源 gui-agents Python 库，支持 pip 安装，快速原型开发
适用场景
💡 自动化跨应用的复杂桌面工作流和重复性 GUI 任务
💡 跨平台操作系统自动化，用于测试、数据录入和系统管理
💡 构建企业级 RPA 和任务委派的自主计算机使用 Agent
💡 研究 Agent-计算机接口和人机交互基准测试
💡 通过 AndroidWorld 零样本泛化实现移动设备自动化
优势与不足
✅ 优势
- • 活跃维护，近期持续更新
- • 社区热度高（12.2k stars）
- • 开源许可证友好（Apache-2.0）
- • Issue 响应及时，积压少
快速开始
pip install gui-agents && agent_s --provider openai --model gpt-5-2025-08-07 --ground_provider huggingface --ground_model ui-tars-1.5-7b