首页/新闻资讯/正文详情

UI-TARS 桌面版入门指南:配置模型后跑通第一个自动化任务

发布时间:2026/9/20 22:23:48 来源:云帆数科 栏目:资讯中心
UI-TARS 桌面版入门指南:配置模型后跑通第一个自动化任务
UI-TARS 桌面版入门指南配置模型后跑通第一个自动化任务【免费下载链接】UI-TARS-desktopThe Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop在输入框里敲下打开 VS Code把自动保存延迟设为 500 毫秒UI-TARS 桌面版会接管你的鼠标键盘在设置面板里逐项完成修改。UI-TARS Desktop 是基于 UI-TARS 视觉语言模型的开源桌面 GUI Agent 应用提供本地电脑操作与本地浏览器操作两种模式适合想直接用自然语言完成重复性电脑操作、又不打算写自动化脚本的用户。️ 先看三个能跑通的实际场景场景一修改 VS Code 的自动保存配置本地电脑模式输入指令帮我打开 VS Code 的自动保存功能并将自动保存延迟设为 500 毫秒过程应用逐轮截屏识别界面打开 VS Code定位到设置入口勾选自动保存并填入 500 毫秒输出配置被实际修改每一步动作都留有截屏记录可导出为 HTML 报告场景二查看 GitHub 仓库的最新 Issue本地浏览器模式输入帮我查看 UI-TARS-Desktop 项目在 GitHub 上最新的 open issue过程应用启动本机已安装的 Chrome、Edge 或 Firefox导航到仓库页面识别 Issue 列表输出最新 issue 的标题与状态直接呈现操作过程同样可导出报告场景三比较商品价格本地浏览器模式输入帮我比较一下 iPhone 的价格过程在设置中配置的搜索引擎默认 Google可改为 Bing 或百度里检索逐个打开结果页读取价格输出多个渠道的价格对比结果主界面是欢迎页左侧卡片是 Computer Operator右侧卡片是 Browser Operator各有一个 Use Local Computer / Use Local Browser 按钮分别进入对应模式。页面上还有远程 operator 的入口不过官方文档注明 Remote Operator 服务将于 2025 年 8 月 20 日停止新手优先走本地模式即可。⚙️ UI-TARS Desktop 安装步骤与系统要求项目要求操作系统macOS 或 Windows浏览器仅浏览器模式需要Chrome、Edge 或 Firefox稳定版或预览版显示器目前仅支持单显示器环境多显示器可能导致部分任务失败安装分四步从项目 Releases 页面下载安装包macOS 用户把 UI TARS 图标拖进 Applications 文件夹如果你装了 Homebrew也可以直接运行brew install --cask ui-tarsmacOS 用户要给应用两项权限打开系统设置 → 隐私与安全性分别打开辅助功能和屏幕录制Windows 用户双击安装包遇到安全提示时点仍要运行最小必要配置接入 VLM 模型应用本身不带模型能力需要先配置一个视觉语言模型服务。设置页共五个字段Language、VLM Provider、VLM Base URL、VLM API Key、VLM Model Name。走火山引擎 Doubao-1.5-UI-TARS 是最省事的路子按官方示例填写Language中文VLM ProviderVolcEngine Ark for Doubao-1.5-UI-TARSVLM Base URLhttps://ark.cn-beijing.volces.com/api/v3VLM API Key在火山引擎API 推理页面获取VLM Model Namedoubao-1.5-ui-tars-250328如果你选择在 Hugging Face 自行部署 UI-TARS-1.5有两个易错点VLM Provider 必须选Hugging Face for UI-TARS-1.5VLM Base URL 要以/v1/结尾具体数值以你的 endpoint 页面为准。填完后点设置页的 Check Model Availability 先验证连通性再开始任务。完整走一遍从输入指令到导出报告打开应用看到欢迎页按任务类型选模式操作桌面应用选 Use Local Computer网页任务选 Use Local Browser。以本地电脑模式为例输入指令帮我打开 VS Code 的自动保存功能并将自动保存延迟设为 500 毫秒发送。执行期间模型按截屏 → 决策 → 动作的循环推进。设置里的 Max Loop 控制每轮对话的最大步数默认 100范围 25 到 200Loop Wait Time 是每轮截屏前的等待时间默认 1000 毫秒如果操作对象加载慢可以适当调大。任务完成后或点 Terminate 主动结束点击 Export as HTML 下载报告里面包含每轮截屏与动作记录方便复盘模型到底做了什么。 UI-TARS 桌面版常见问题1. macOS 下应用无法点击或无法截屏现象任务开始后应用没有实际控制鼠标键盘原因辅助功能或屏幕录制权限没有开启解决重新进入系统设置 → 隐私与安全性确认两项开关都打开重开应用再试2. 模型连通性检查失败现象点 Check Model Availability 后验证不通过原因Base URL 格式不对Hugging Face 自部署路线要求以/v1/结尾或 API Key 与 endpoint 不匹配解决对照 endpoint 页面逐项核对 URL、Key、模型名三个值重新验证3. 浏览器模式无法启动浏览器现象选择 Use Local Browser 后没有反应原因机器上没有安装受支持的浏览器解决先安装 Chrome、Edge 或 Firefox再使用浏览器模式4. 多显示器下任务失败或点击偏移现象任务中途失败或点击位置对不上目标控件原因应用目前仅支持单显示器环境解决临时断开副屏只用单显示器运行复杂指令拆成小步骤执行5. 任务未完成就停下了现象模型执行到一定步数后停止原因达到了 Max Loop 上限默认 100 步解决按需要调大 Max Loop上限 200或把指令拆细、减少总步数下一步深入配置与扩展跑通第一个任务后建议按这个顺序继续读 docs/setting.md了解 Chat SettingsLanguage、Max Loop、Loop Wait Time、搜索引擎选择与报告配置的完整参数读 docs/quick-start.md对照官方步骤补齐 Hugging Face 自部署的细节用设置页的 Import Preset Config 按钮批量导入 YAML 预设仓库内置示例在 examples/presets/自部署模型的完整说明见 docs/deployment.md整个流程就是安装、配模型、输指令、导报告这四步。把这条循环跑熟之后剩下的工作主要是调参数和尝试更复杂的任务。【免费下载链接】UI-TARS-desktopThe Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关推荐

AI客服从50分钟到2分半:知识库召回、幻觉与限流实战
AI客服从50分钟到2分半:知识库召回、幻觉与限流实战

1. 50 分钟不是客服懒,是流程把所有时间都吃掉了做客服管理的人看到“50 分钟”这个数字,大概都会心头一紧。三个月前,我们后台的首次响应时长中位数就是 50 分钟——客户在下班前发来一条问题,经常要等到第二天上午才收到第一条回… · 2026/9/20 22:23:48

FanControl Windows风扇控制上手指南:10分钟配好温度曲线与静音策略
FanControl Windows风扇控制上手指南:10分钟配好温度曲线与静音策略

FanControl Windows风扇控制上手指南:10分钟配好温度曲线与静音策略 【免费下载链接】FanControl.Releases This is the release repository for Fan Control, a highly customizable fan controlling software for Windows. 项目地址: https://gitcode.com/GitHu… · 2026/9/20 22:23:48

彼得林奇投资哲学在科技行业的应用与调整
彼得林奇投资哲学在科技行业的应用与调整

1. 彼得林奇投资哲学与科技行业的适配性彼得林奇作为20世纪最成功的基金经理之一,其管理的麦哲伦基金在13年间实现了29%的年化收益率。他将股票分为六种类型:缓慢增长型、稳定增长型、快速增长型、周期型、转型困境型和资产隐蔽型。其中对科技投资最具指… · 2026/9/20 22:23:48

ITSM选型指南:低代码、AI全链路与信创适配三维度解析
ITSM选型指南:低代码、AI全链路与信创适配三维度解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 5:14:25

Codesys报警系统实战:REF与ACK机制详解及配置避坑指南
Codesys报警系统实战:REF与ACK机制详解及配置避坑指南

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 5:14:25

高二物理传感器知识点总结与易错题练习指南
高二物理传感器知识点总结与易错题练习指南

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 5:14:25

LangChain + Playwright 网页自动化测试:语义定位实战
LangChain + Playwright 网页自动化测试:语义定位实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 5:13:25

FPGA硬核实现Modbus TCP的三种工业级落地路径
FPGA硬核实现Modbus TCP的三种工业级落地路径

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 5:13:25

iOS上架Invalid Binary排查指南:从错误码到修复全流程
iOS上架Invalid Binary排查指南:从错误码到修复全流程

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 5:13:25

Flutter for OpenHarmony游戏卡片渐变背景实战:从原理到性能优化
Flutter for OpenHarmony游戏卡片渐变背景实战:从原理到性能优化

直接铺开项目本身吧。这几个月我一直在折腾一件事:用Flutter给OpenHarmony做一款游戏集合类的App,说白了就是把若干小游戏塞进一个壳里,用统一入口分发。这个方向本身不算新鲜,真正让我花了不少心思的,是首页那堆游戏卡… · 2026/9/21 0:02:39

Word表格编号全攻略:从列表编号到题注交叉引用
Word表格编号全攻略:从列表编号到题注交叉引用

写Word文档,最让人头疼的往往是那些“看起来不起眼”的小问题。比如表格编号这事:今天在表后面多加了两个空白行,明天给客户交稿前发现整个章节的编号全部错位,光是挨个改序号就能耗掉大半个下午。我前阵子帮人整理一份上百页的技… · 2026/9/21 0:02:39

从第一个站到第二个站:独立开发者的静态网站选型与落地实践
从第一个站到第二个站:独立开发者的静态网站选型与落地实践

1. 项目概述1.1 核心需求解析做独立开发者这几年,说实话,第一个网站上线的那天晚上我兴奋得没睡着。但等它跑了半年,流量惨淡、功能臃肿、代码自己都懒得看第二遍之后,我才慢慢琢磨明白一个道理:第一个网站是练手&… · 2026/9/20 0:00:41

Claude Code 按智谱AI指南装完,ANTHROPIC_BASE_URL 改走 TaoToken 兼容通道行不行
Claude Code 按智谱AI指南装完,ANTHROPIC_BASE_URL 改走 TaoToken 兼容通道行不行

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/21 0:00:18

agents-generator 决策矩阵全解析:从项目检测到 AGENTS.md 规则生成的 16 步判定流程
agents-generator 决策矩阵全解析:从项目检测到 AGENTS.md 规则生成的 16 步判定流程

agents-generator 决策矩阵全解析:从项目检测到 AGENTS.md 规则生成的 16 步判定流程 【免费下载链接】agentic-awesome-skills AAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and … · 2026/9/21 0:00:18

gin-vue-admin 前端工具函数全景指南:src/utils 复用规范与源码级解析
gin-vue-admin 前端工具函数全景指南:src/utils 复用规范与源码级解析

gin-vue-admin 前端工具函数全景指南:src/utils 复用规范与源码级解析 【免费下载链接】gin-vue-admin 🚀ViteVue3Gin拥有AI辅助的基础开发平台,企业级业务AI开发解决方案,内置mcp辅助服务,内置skills管理,… · 2026/9/21 0:00:18

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码