AIbase

Agentcpm GUI
Agentcpm GUI
此产品适合开发者、产品经理以及需要高效操作移动应用的用户，尤其是那些使用中文应用程序的用户。AgentCPM-GUI 通过其强大的理解和执行能力，能极大提升工作效率，特别是在复杂场景下的任务执行上。
个人助理自动化工作流#开源#智能代理#移动应用#中英文支持#GUI 操作普通产品开源
总访问量： 492,133,528
占比最多地区： US(19.34%)
528
产品介绍
网站流量
同类开源产品
替代品
简介
AgentCPM-GUI 是一款开源的手机端大型语言模型（LLM）代理，专为操作中英文应用程序而设计，能够根据用户的屏幕截图自动执行任务。其主要优点在于高效的 GUI 元素理解、增强的推理能力以及对中文应用的精准支持。此技术的开发背景是为了提升移动设备上智能代理的用户体验，特别是在复杂任务处理方面。该产品定位于提高移动端的生产力，适用于各类用户。
截图
产品特色
高质量 GUI 元素理解：基于大规模双语 Android 数据集进行预训练，提升了对常见 GUI 组件的理解能力。
中文应用支持：首次提供针对中文应用的精细调优，覆盖 30 多款热门应用。
增强的规划与推理能力：通过强化微调 (RFT)，模型在输出操作前能够进行深思熟虑，提升复杂任务的成功率。
紧凑的动作空间设计：优化的动作空间和简洁的 JSON 格式使得平均动作长度减少至 9.7 个 tokens，提升设备上的推理效率。
简单易用的安装和使用流程：用户可以轻松安装依赖，并快速上手使用。
强大的示例案例支持：提供多种应用案例，帮助用户更好理解功能与应用场景。
支持图像输入：能够接收屏幕截图作为输入，进行图像分析和操作执行。
适应多种 Android 应用：设计上考虑了多种 Android 应用程序的使用场景，具备良好的适配性。
使用教程
1. 克隆 AgentCPM-GUI 代码库到本地。
2. 安装所需的依赖项，例如 Python 和相关库。
3. 下载模型并将其放置在指定的目录中。
4. 通过代码加载模型和 tokenizer，准备输入数据。
5. 提供屏幕截图和相关指令，进行模型推理。
6. 根据模型的输出，执行相应的操作。
7. 根据需要调整输入，重复使用以优化结果。
流量来源
直接访问51.61%外链引荐33.46%邮件0.04%
自然搜索12.58%社交媒体2.19%展示广告0.11%
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图
替代品
Magentic UI
Magentic-UI 是一个基于多代理系统的研究原型，允许用户通过透明且可控的界面进行网络浏览和任务自动化。
自动化工作流#人机交互
Agentcpm GUI
AgentCPM-GUI 是一款开源的手机端大型语言模型（LLM）代理，专为操作中英文应用程序而设计，能够根据用户的屏幕截图自动执行任务。
个人助理#智能代理
Suna
Suna 是一个开源的 AI 助手，通过自然对话帮助用户轻松完成研究、数据分析和日常挑战。
个人助理#开源
Social Auto Upload
该项目旨在自动化将视频上传到多种社交媒体平台，包括抖音、小红书、视频号、tiktok、youtube 和 bilibili。
自动化工作流#社交媒体
Nanobrowser
Nanobrowser 是一款开源的 Chrome 扩展工具，旨在通过 AI 技术实现高效的网络自动化操作。
自动化工作流#开源
TEN Agent
国外精选
TEN Agent 是基于 TEN 框架构建的实时对话 AI引擎，为开发者提供快速、高效的工具来构建实时对话式 AI Agent，如AI虚拟客服、AI 口语陪练、AI 情感陪伴、AI 个人助理等。
个人助理#Voice Agent
Automate
autoMate 是一款基于 OmniParser 的 AI+RPA 自动化工具，旨在通过自然语言描述任务，实现复杂自动化流程。
自动化工作流#自动化
Egolife
EgoLife是一个面向长期、多模态、多视角日常生活的AI助手项目。
个人助理#多模态
Mobile Agent E
Mobile-Agent-E 是一款基于大型多模态模型（LMM）的移动助手，旨在帮助用户高效完成复杂的多步骤任务。
个人助理#移动助手
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
876
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
468
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k