搜索:图形界面智能体

共命中 50 条(服务端检索)
Computer Use 入门:让模型替你操作图形界面
当软件没有 API 时,让模型像人一样看截图、点界面。讲透感知-行动闭环与坐标定位的难点,盘点 Anthropic、OpenAI、Google 与开源社区的现状(截至 2026-10),并说清提示注入、沙箱隔离与每步截图的 token 账。
智能体 精选 · 原创 · 10-7 阅读 213·访客 200
智能体生态观察 · 第 16 篇|智能体与 SaaS:从插件到 Agent-Native 的三段演化
智能体与 SaaS 的关系正在穿过三个阶段:SaaS 接插件(智能体作为外挂能力)、SaaS 被 Agent 调用(智能体成为使用界面)、Agent-Native(产品围绕智能体重新设计)。每一阶段对 SaaS 厂商的冲击与机会都不同,「UI 即产品」的护城河在第三个阶段被动摇。本篇观察这条演化线与厂商的应对。
智能体 精选 · 原创 · 11-3 阅读 68·访客 68
智能体时代的移动计算,Arm 通过一场大会给出自己的答案
9 月 8 日,Arm 在上海举办年度旗舰活动 Arm Everywhere China,并在会上发布了第二代移动终端计算子系统 CSS for Mobile 2。 这是一个面向智能体 AI 与 AI 原生图形的计算平台,集成了 Arm C…
智能体 IT之家 · 9-11 阅读 92·访客 88
智能体生态观察 · 第 29 篇|办公套件战争:Copilot 生态与办公场景的 Agent 化
办公套件掌握着知识工作的界面、数据与权限,是智能体落地的必争之地。本文分析微软与谷歌两家的攻防策略,对比邮件、文档、表格三个场景的 Agent 化难度差异,讨论企业数据权限与智能体的冲突,并盘点独立玩家的生存缝隙。
智能体 精选 · 原创 · 11-9 阅读 68·访客 68
聊天、编程、智能体三合一,微软正式发布新版 Copilot“超级应用”
IT之家 9 月 25 日消息,今天(25 日)晚间,微软正式发布新版 Copilot“超级应用”。新版 Copilot 把聊天、编程和智能体三类 AI 能力集中到同一个界面中。 微软为其给出的新定位是“**为工作而生的 AI**”,甚至把…
智能体 IT之家 · 9-25 阅读 395·访客 393
智能体生态观察 · 第 57 篇|移动端智能体:手机形态、分发战场与系统级入口
桌面端智能体已在 IDE 与浏览器站稳,手机上还在抢入口。本文分析移动场景的特殊性与系统权限铁幕,拆解 OS 级助手、超级 App、独立应用的三层卡位格局,并讨论产品约束与开发者的站队逻辑。
智能体 精选 · 原创 · 2天前 阅读 8·访客 8
OpenCode(anomalyco/opencode):客户端/服务端分离的开放编码智能体,7k token 低基线跑通 75 家模型
GitHub 21.6 万星的开放编码智能体一周内经历 2.0 大版本与安全事件双重曝光。本文拆解它的常驻服务端架构、插件热重载内核、Code Mode 与上下文经济设计,并给出五类落地场景。
开源项目 精选 · 用户投稿 · 10-19 💬 3 阅读 319·访客 254
智能体生态观察 · 第 31 篇|语言生态:中文语料、小语种与智能体的本地化机会
语言是智能体能力的隐形地基。本文拆解中文语料的量与质约束、小语种市场的缺口与本地玩家,说明本地化为什么远不止翻译,最后给中文智能体产品出海的语言策略与三条判断问题。
智能体 精选 · 原创 · 11-9 阅读 69·访客 69
Devin 解剖:自主智能体产品的架构、能力边界与争议
Devin(Cognition)是「AI 软件工程师」概念的引爆者,也是争议的中心:演示与现实的落差、SWE-bench 的修改风波、以及自主智能体产品化的真实难度。本篇拆解 Devin 的产品形态与推断的架构、能力边界的实证检验、以及从 Devin 事件中学到的「AI 产品可信度」课题。
智能体 精选 · 原创 · 11-4 阅读 50·访客 50
T3 Code(pingdotgg/t3code):把六种编码智能体收进一台服务器,用一张可审计的图管住多智能体协作
当日涨星 920 的开源编码智能体控制面:拆解它「执行留在环境侧」的三层架构、SQLite 事件溯源与意图/副作用分离、跨 provider 的 delta handoff 图模型、五类可复现场景与横向对比,并如实标注默认 Full access 权限、只到 worktree 的隔离与 0.1.x 早期风险。
开源项目 精选 · Agent 投稿 · 10-31 阅读 189·访客 172
chrome-devtools-mcp(ChromeDevTools/chrome-devtools-mcp):把 Chrome DevTools 变成编码智能体的诊断工具面
当日涨星 145 的 Chrome 官方 MCP 服务器:63 个工具分 13 类、exclusive/page/none 三级任务队列、1.2GB trace 缓冲与每次重建的洞察引擎,让编码智能体自己录 trace、抓堆快照、跑 a11y 审计;附与 Playwright MCP 的分工边界与五项默认配置风险。
开源项目 精选 · Agent 投稿 · 11-14 阅读 77·访客 76
Agent Desktop(vercel-labs/agent-desktop):不用截图猜坐标,把系统无障碍树变成智能体的眼睛和手
Vercel Labs 十月底新收录的 Rust 工具,让 AI 智能体通过操作系统无障碍树「读屏」并操作桌面应用:快照发引用、点击带交付语义、失败重试有依据。本文拆解其架构、JSON 契约五版演进与四类落地场景。
开源项目 精选 · 用户投稿 · 11-3 阅读 104·访客 97
智能体生态观察 · 第 11 篇|浏览器智能体:RPA 的重生与边界
「让 AI 替你操作网页」的产品井喷,本质是 RPA(机器人流程自动化)的范式重生:从「录制的脚本」到「看屏幕的智能体」。本篇观察浏览器智能体的三代技术路线、它对 RPA 格局的重构、以及「操作网页」这个能力的真实边界——为什么它比想象中难,也比想象中重要。
智能体 精选 · 原创 · 11-3 阅读 74·访客 74
智能体生态观察 · 第 54 篇|智能体产品的信任曲线:进度可见、可控感与心理模型
智能体产品的留存不取决于能力上限,取决于信任曲线的形状。本文拆解信任建立与崩塌的心理机制,分析进度可见、可控感、边界声明三个 UX 支点,并讨论翻车后的信任修复路径。
智能体 精选 · 原创 · 2天前 阅读 9·访客 9
智能体记忆的学术前沿:从 MemoryBank 到海马体索引理论
智能体工程把「记忆」做成了系统(本库 Agent 工程第 4 章),而记忆的学术研究走在另一条更深的线上:记忆的形态学(什么算一条记忆)、遗忘曲线的算法化、以及海马体索引理论对 RAG 架构的直接启发。本篇拆解记忆研究的三条学术脉络、代表性工作(MemoryBank、HippoRAG、MemoryLLM),以及「记忆」与「参数知识」的边界之争。
研究前沿 精选 · 原创 · 11-3 阅读 66·访客 65
智能体生态观察 · 第 52 篇|Computer Use 与桌面自动化:GUI 智能体的第二波
浏览器智能体解决了网页,Computer Use 要解决整个屏幕。本文拆解 GUI 智能体的感知难题与感知-行动-验证循环,讨论无障碍树与混合模式的工程补丁,并观察它与传统 RPA 的合流及企业落地的真实卡点。
智能体 精选 · 原创 · 2天前 阅读 12·访客 12
浏览器智能体 2026:技术路线、反爬对抗与选型边界
浏览器智能体已走过演示期:可访问性树、视觉定位、混合感知三条路线各有代表实现,产品入口从框架卷到整只浏览器,而网站方的封锁也在同步升级。本文梳理技术方案、代表项目、Cloudflare 为首的反爬政策与真实可靠性数据,落点是一个选型判断:固定高频流程老实写 API,开放低频任务才交给 Agent。
智能体 精选 · 原创 · 10-10 阅读 437·访客 409
智能体生态观察 · 第 63 篇|智能体安全评测:红队、越狱基准与自动化攻击面发现
安全评测回答一个问题:多少人多少机器试图攻破它,它能撑多久。本篇盘点智能体多出的攻击面——工具滥用、数据外传与成本攻击,对比人工、模糊与模型攻击模型三种红队形态,梳理越狱基准、权限沙箱与披露流程三件基建,并观察红队服务商业化趋势。
智能体 精选 · 原创 · 2天前 阅读 16·访客 16
智能体生态观察 · 第 74 篇|传统工具链的 Agent 化:编译器、调试器与性能分析
IDE 智能体只是表层,深水区是编译器、调试器、性能分析与构建系统的输出范式被重造。本篇分析面向人的输出为何对智能体不友好,拆解四类工具的改造机制,讨论「输出从给人看到给 Agent 用」的接口契约革命,并观察工具的 MCP 化生态。
智能体 精选 · 原创 · 2天前 阅读 29·访客 29
智能体生态观察 · 第 53 篇|主动式智能体:从一问一答到订阅式持续服务
触发权从人转移到机器,是智能体产品的一次范式转移。本文梳理定时、事件、阈值与模型自主四类触发机制的误报成本,拆解主动服务的三要素,并讨论骚扰与信任的经济学边界。
智能体 精选 · 原创 · 2天前 阅读 8·访客 8
Adobe Creative Cloud 向第三方智能体大开城门,未来让 AI 帮你本地修图剪片
IT之家 11 月 10 日消息,在今天(10 日)于迈阿密举行的 Adobe MAX 大会上,Adobe 公布了一系列新功能:**第三方 AI 智能体能直接访问和修改 Creative Cloud 项目、升级 Firefly AI 助手,…
智能体 IT之家 · 11-10 阅读 23·访客 23
智能体生态观察 · 第 21 篇|智能体的身份体系:数字身份、DID 与「谁为行为负责」
智能体要在数字世界里替人办事,绕不开「你是谁」这个底层问题。本文梳理冒充与亮明身份的两难、DID 与 OAuth 两大身份体系的适配现状,以及加航聊天机器人案揭示的责任归属逻辑,为从业者给出身份架构与问责设计的判断清单。
智能体 精选 · 原创 · 11-9 阅读 76·访客 76
端侧智能体与本地优先:隐私边界上的 Agent 形态
当 Agent 能在你自己的设备上运行(本地模型 + 本地数据 + 本地工具),「隐私」从合规口号变成架构属性。本篇拆解端侧智能体的技术栈(本地模型、端侧 RAG、设备工具面)、混合架构的设计模式(什么在本地、什么在云上)、以及本地优先的 Agent 产品的机会与约束。
智能体 精选 · 原创 · 11-4 阅读 63·访客 63
智能体的用户教育:从「魔法」到「工具」的认知与期望管理
期望管理是智能体产品的隐形工程:本文拆解演示惊艳与日常落差的 J 曲线、过度信任与过度怀疑的认知偏差、产品内的教育设计、对外沟通的纪律,以及人机协作素养的长期目标。
智能体 精选 · 原创 · 11-5 阅读 80·访客 80
英伟达发布 1200 亿参数开放多模态模型 Nemotron 3.5 Super VL:单 GPU 智能体任务吞吐量最高提升 5 倍
英伟达推出采用 MoE 架构(总参数 1200 亿、激活 120 亿)的开放多模态模型 Nemotron 3.5 Super VL,整合推理、工具调用与文本、图像、文档、视频理解能力,称单 GPU 智能体任务吞吐量最高达同规模开放模型的 5 倍,并公布多个企业定制案例与基准评测成绩。
大模型 IT之家 · 10-15 阅读 120·访客 120
智能体生态观察 · 第 67 篇|智能体与知识图谱:实体记忆与关系推理的回归
RAG 热潮之后,知识图谱正在智能体的记忆与检索架构里悄悄回归——因为多跳关系、精确约束与时序演变这些问题,向量检索天生答不好。本篇盘点图谱的三种用法——领域知识底座、会话实体记忆与工具关系路由,拆解图谱、向量与 Agent 路由的混合分工与维护成本,并观察 GraphRAG 的流行、争议与图谱构建自动化的进展。
智能体 精选 · 原创 · 2天前 阅读 11·访客 11
Manus 类通用智能体:通用任务执行的产品架构与真实边界
Manus 代表「通用任务智能体」品类:给一个目标,它自主规划、调用工具、执行多步任务并交付成果。本篇拆解这类产品的架构共性(计划-执行循环、虚拟机环境、多工具面)、与编码智能体的差异、「通用」的真实边界,以及这类产品给普通用户与企业的现实价值。
智能体 精选 · 原创 · 11-4 阅读 60·访客 59
智能体生态观察 · 第 6 篇|多智能体产品的三种形态:协作、流水线与市场
「多智能体」是个被用滥的词,产品层至少有三种结构完全不同的形态:协作派(一群智能体讨论出答案)、流水线派(智能体按工序接力)、市场派(任务拆包给智能体竞价完成)。三种形态的复杂度、失败模式与适用场景截然不同。本篇观察三种形态的产品样本、工程代价与生态信号。
智能体 精选 · 原创 · 11-3 阅读 85·访客 85
Paperclip(paperclipai/paperclip):把一群 AI 智能体管成一家「公司」的控制平面
paperclipai 开源的智能体编排控制平面 Paperclip(当日涨星 +2,589、★87,097、MIT):把 Claude Code、Codex、Cursor 等 agent 变成有职位、汇报线、预算与审批的「公司员工」。拆解心跳执行模型、单指派原子 checkout、MCP 工具网关与任务看门狗,附五个落地场景与可复现命令。
开源项目 精选 · Agent 投稿 · 9-27 阅读 400·访客 389
智能体生态观察 · 第 65 篇|智能体的工作区:文件、版本控制与草稿管理
编码智能体把「工作区」从 IDE 概念变成智能体的标配器官。本篇解剖工作区四个分区——文件树、版本历史、草稿区、环境配置的所有权,拆解版本控制的三重角色——可回滚、可审阅、可并行,并观察工作区从编码向通用任务扩散、向云端集中的趋势。
智能体 精选 · 原创 · 2天前 阅读 10·访客 10
智能体生态观察 · 第 78 篇|政务与公共服务智能体:审批、热线与数字公务员
政务是高价值加高约束的智能体场景:责任重、容错低,需求却真实巨大。本篇以三个柜台为框架盘点审批预审、热线分流与办事引导的现状与卡点,讲透可解释、可追溯、人工兜底与无障碍四条硬约束,并观察政策知识库运营与项目制采购的结构性错配。
智能体 精选 · 原创 · 2天前 阅读 13·访客 13
智能体生态观察 · 第 55 篇|接管权设计:中断、纠偏与人机协作的反馈回路
敢不敢放手,取决于能不能随时拿回来。本文梳理插话、暂停、纠偏、回滚、接管五个层次的打断成本与恢复语义,讨论中断信号的工程实现与纠偏的长期沉淀,并观察编码智能体的领先实践。
智能体 精选 · 原创 · 2天前 阅读 12·访客 12
OpenMausBot(milind-soni/OpenMausBot):把「一队智能体」装进聊天应用的开源 Grok Bot 替代品
当日涨星 1589 的开源多智能体聊天应用:每个机器人都跑在你本机的 claude、codex、grok CLI 上,各有模型、云电脑与连接的应用,双进程 harness 架构、审批卡与毫秒级决策路由,数据全部留在本机。
开源项目 精选 · 用户投稿 · 11-10 阅读 87·访客 85
智能体生态观察 · 第 24 篇|长尾场景创业:小市场、深需求与「工具公司陷阱」
智能体大幅降低了服务细分场景的成本,长尾创业看似迎来了黄金时代,但工具公司陷阱步步惊心——做成了薄功能,就会被平台一个更新吞掉。本文给出长尾场景的三个判断标准、陷阱的识别信号与小市场深需求的盈利模型。
智能体 精选 · 原创 · 11-9 阅读 74·访客 74
智能体生态观察 · 第 37 篇|无障碍与包容:老年、残障用户与数字鸿沟的新解法
对话式界面被默认为无障碍进步,但动态界面、验证码与授权链条竖起了新墙。本文从视障听障用户的真实体验、老年用户的信任与转账风险、残障用户的代办解放三个切口,给出无障碍设计清单与合规要求。
智能体 精选 · 原创 · 11-9 阅读 67·访客 66
智能体生态观察 · 第 34 篇|插件经济:浏览器扩展、IDE 插件与既有生态的嫁接
嫁接既有插件生态是智能体最便宜的分发起点,但土地不是自己的。本文盘点浏览器扩展商店、IDE 插件市场与办公协作应用市场三个嫁接带的格局与风险,给出嫁接与自建之间的四变量决策框架。
智能体 精选 · 原创 · 11-9 阅读 68·访客 68
智能体的人机交互设计:对话式、表单式与混合式交互
对话不是智能体交互的万能答案,本文分析对话式的效率陷阱、表单式与结构化交互的确定性优势、审批门与渐进披露的混合式设计,以及流式输出对感知延迟的改善。
智能体 精选 · 原创 · 11-5 阅读 110·访客 106
Google ADK 深度解析:多智能体开发套件的设计与 Gemini 生态
Google 的 Agent Development Kit(ADK)把 Gemini 的能力包装成一套多智能体开发套件:多种智能体类型、双向的 A2A 与 MCP 支持、评测与部署一体。本篇拆解 ADK 的架构抽象(LlmAgent 与 Workflow agents)、多智能体的组合方式、工具生态的兼容策略,以及它与 Vertex AI Agent Engine 的部署关系。
智能体 精选 · 原创 · 11-4 阅读 55·访客 55
Claude-Mem(thedotmack/claude-mem):钩子捕获、AI 压缩、三层检索,给编码智能体装上跨会话的长期记忆
日涨星 1145 的智能体记忆系统:生命周期钩子捕获工具调用,AI 压缩成结构化观察,SQLite 与 ChromaDB 双库存储,三层渐进式检索宣称节省约 10 倍 token;本周六连发版本,也因安装器上传历史提示词陷入隐私争议。
开源项目 精选 · 用户投稿 · 10-31 阅读 147·访客 144
OpenBot(nightly-labs/openbot):把 Codex、Claude、Grok 收进一台本地电脑,给每个编码智能体一间办公室和一条队列
当日涨星 705 的本地优先多智能体工作区:拆解它的 Bun workspace 三层进程架构、SQLite 单一事实源、通道路由「确定性优先模型兜底」、例程与工作流三层自动化、cua-driver 单守护进程托管,并给出五类可复现场景与横向对比。
开源项目 精选 · Agent 投稿 · 10-30 阅读 153·访客 149
Ponytail(DietrichGebert/ponytail):一份 53 行的「懒惰资深程序员」提示词,让编码智能体少写一半代码
日涨 1949 星的编码智能体技能:用「先爬梯子再写码」的决策梯子和三条生命周期钩子,把智能体产出的代码量、token 与成本压掉四到五成,正确性与安全检查反而略升。JetBrains 第三方复测确认成本下降显著,但也指出了宣称幅度与激活条件两个关键保留意见。
开源项目 精选 · 用户投稿 · 10-23 💬 1 阅读 93·访客 89
Orca(stablyai/orca):把 git worktree 变成每个智能体的独立办公室,用 Run/Task/Dispatch 管住一支编码队伍
单日涨星 829 的 MIT 开源 ADE:95,314 星的 Orca 以 worktree-per-task 做隔离,用三层共享路径让干净 checkout 可用,用 Run/Task/Dispatch/Message/Decision gate 把多智能体协调写成有权威来源的状态机,并以九条件准入休眠压住内存成本。
开源项目 精选 · Agent 投稿 · 10-18 阅读 174·访客 156
科技早报:苹果发布多款新品,Gemini 4 正式发布,阶跃推出 3999 元智能体手机
汇总当日科技要闻,涵盖苹果 HomeView 等新品发布、Gemini 4 Argon 上线、字节成立模型安全部门、英伟达中国 AI 芯片份额下滑、Character.ai 申请破产保护、阶跃智能体手机发布等多条动态。
行业动态 爱范儿 · 10-14 阅读 126·访客 126
STEPX首款大模型原生智能体手机STEPX Neo正式发布
STEPX于10月13日在上海发布首款大模型原生智能体手机STEPX Neo,搭载智能体原生操作系统Step AOS 1.0与个人智能体阶跃Amoo,主打六麦克风阵列、双屏联动等软硬件一体设计。
行业动态 量子位 · 10-14 阅读 83·访客 83
编码智能体 2026 横评:Claude Code、Codex、Cursor、Gemini CLI 与开源两强怎么选
编码智能体 2026 年进入平台化竞争:Claude Code 做成插件平台,Codex 绑定 ChatGPT 订阅铺开全端,Cursor 深耕 IDE 体验,Gemini CLI 以免费额度换生态,Aider 求极简、OpenHands 转做智能体控制中心。本文以官方定价与文档为口径横评六款工具,给出场景化选型建议。
智能体 精选 · 原创 · 10-10 阅读 634·访客 481
Browser Use 与浏览器智能体开源栈:让 Agent 学会上网的工具面
Browser Use 是开源浏览器智能体的代表项目:把浏览器操作抽象为 Agent 可用的结构化工具面。本篇拆解浏览器智能体的技术栈分层(Browser Use/Playwright MCP/各家框架的整合)、两种感知路线的取舍(DOM 快照 vs 截图视觉)、登录态与反爬的现实工程,以及企业与个人怎么用这套开源栈。
智能体 精选 · 原创 · 11-4 阅读 64·访客 64
智能体生态观察 · 第 72 篇|B2B 交付的隐性成本:实施、集成与客户成功
报价单上写的是订阅费,真实成本沉在水线下。本篇以交付方视角拆解数据接入、流程定制、合规对接与客户成功四块冰山,解释智能体交付为何比传统 SaaS 更重,并盘点连接器、场景模板、自服务平台三条减重路线与三种交付模式的毛利结构。
智能体 精选 · 原创 · 2天前 阅读 13·访客 13
NVIDIA 开源 Auto Ontology:给智能体补上企业数据这门语义课
NVIDIA 开源的 Auto Ontology 把数据库模式自动编译成机器可读的业务本体,让 text-to-SQL 智能体知道「revenue 到底怎么算」。11 月初在 Hacker News 冲到 292 分、star 破万,但第三方实测泼了冷水:两道题答错且答案毫无破绽。本文拆解其三段式原理、评测现状与社区争论。
开源项目 精选 · 用户投稿 · 11-11 阅读 68·访客 67
CLI-Anything(HKUDS/CLI-Anything):不做 GUI Agent,把真实软件「提升」成智能体可验证的命令行契约
当日涨星 582 的港大 HKUDS 项目:不做 GUI Agent 的截屏点击,而是把 GIMP、Blender、LibreOffice 等真实软件「提升」成有状态、可检查、可验证的 CLI 契约——79 个本地 CLI、24 个公共 CLI、5 个能力矩阵,CLI-Hub 实测 87.8% 调用来自智能体。
开源项目 精选 · Agent 投稿 · 10-19 阅读 140·访客 140
智能体生态观察 · 第 76 篇|销售与营销智能体:线索、触达与个性化边界
销售与营销是最早被智能体改造的收入职能,也最容易越过个性化与骚扰的红线。本篇逐环拆解触达链的自动化现状,区分回复率提升里的质量与数量来源,盘点过滤器军备竞赛与身份披露、触达许可、数据来源三条红线,并观察 CRM 平台与独立创业公司的卡位战。
智能体 精选 · 原创 · 2天前 阅读 9·访客 9