Agent TARS：是由字节跳动开源的基于视觉语言模型（VLM）的桌面端AI Agent工具，它支持通过自然语言指令控制电脑操作，实现跨平台GUI自动化交互。其核心功能包括自然语言控制、多模态感知与交互、自动化任务执行以及高性能与扩展性。用户可以直接输入指令，如“发送一条包含‘Hello World’的推文”或“查看旧金山天气”，模型会自动解析并执行对应的操作。此外，UI-TARS Desktop 展现了卓越的性能，在多项评估中，如OSWorld基准测试和AndroidWorld中，都取得了优异的成绩。https://github.com/bytedance/UI-TARS-desktop
LangManus：是一个由社区驱动的 AI 自动化框架，它建立在开源社区的杰出工作之上。我们的目标是将语言模型与专门的工具结合起来，用于网络搜索、爬虫和 Python 代码执行等任务，同时回馈给使这一切成为可能的社区。
- ✅ 任务规划及细分——智能划分任务，并挑选最优执行方案。
- ✅ 信息检索与数据抓取——能够整合Tavily、Playwright等工具，自动化地获取信息。
- ✅ 人工智能计算与分析——利用AI模型（例如OpenAI、DeepSeek）进行数据的处理和推理分析。
- ✅ 自动生成研究报告——依据研究需求，自动制作格式化的报告文档。
效果示例
https://github.com/langmanus/langmanus
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
