Logo
Project Icon

Open-Interface

利用LLM实现计算机自驱动操作

Open Interface自驾电脑软件GPT-4V自动化机器学习Github开源项目

Open Interface通过向LLM后端（如GPT-4V）发送用户请求来实现计算机的全自动驾驶功能。系统通过模拟键盘和鼠标输入自动执行任务，并在必要时发送当前屏幕截图进行调整。此项目支持MacOS、Linux和Windows，并允许连接不同的LLM后端进行自定义配置，带来了提高效率和自动化的新选择。

访问官网访问官网GithubGithub
介绍相关项目
py-gpt - 多功能桌面AI助手，支持多模式与模型集成
DALL-E 3GPT-4GithubLangchainOpenAI APIPyGPT开源项目
PyGPT是一款桌面AI助手，提供与OpenAI语言模型GPT-4、GPT-4 Vision和GPT-3.5的直接互动，并通过Langchain集成其他LLMs。支持对话、生成、辅助和图像处理等多种功能，使用DALL-E 3进行图像生成，利用GPT-4 Vision进行图像分析。支持文件系统操作、Python代码生成和执行、系统命令、电文语音合成和识别，集成微软Azure、Google、Eleven Labs和OpenAI的服务。多模态插件支持，适用于文本交互、系统自动化、日常辅助、视觉应用和代码生成。
JARVIS - 介绍JARVIS项目的最新研究与开发进展
AI任务GPT-4GithubHuggingGPTJARVIS任务自动化开源项目
JARVIS项目专注于人工通用智能(AGI)的研究，提供最新的技术和工具。最新发布的EasyTool简化了工具的使用，TaskBench用于评估大型语言模型的任务自动化能力。项目支持本地、远程和混合模式的部署，满足不同配置需求。通过ChatGPT进行任务规划、模型选择、任务执行和响应生成，整合多个专业模型解决复杂的AI任务。
LLaVA - 提升大型语言与视觉模型的视觉指令调优
GPT-4GithubLLaVA多模态交互大型语言与视觉模型开源项目视觉指令调优
LLaVA项目通过视觉指令调优提升大型语言与视觉模型的性能，达到了GPT-4级别。最新更新包括增强版LLaVA-NeXT模型及其在视频任务上的迁移能力，以及高效的LMMs-Eval评估管道。这些更新提升了模型的多任务和像素处理能力，支持LLama-3和Qwen等不同规模的模型，并提供丰富的示例代码、模型库和数据集，方便用户快速上手和深度研究。
web-llm - 浏览器语言模型推理引擎，完全支持OpenAI API
GithubOpenAI API兼容性WebGPUWebLLM大语言模型开源项目浏览器内推理
WebLLM是一款借助WebGPU技术，实现硬件加速的浏览器内语言模型推理引擎，无需服务器即可直接在浏览器内运行。完全兼容OpenAI API，并具备流式输出和JSON模式生成功能，支持广泛的模型集成。通过NPM或CDN可以快速集成到各类AI交互应用中，同时确保用户隐私安全，并享受高效的GPU加速体验。
OpenGPT - 开发者友好的自然语言处理API集成
APIGithubOpenGPT人工智能模型开发者开源项目自然语言处理
OpenGPT 3.5/4 提供开发者友好的API，使自然语言处理功能易于集成。简单且不复杂的使用步骤，让开发者能快速应用GPT技术，增强其应用程序的功能。该项目让每个人都能免费获取人工智能模型，并为开发者提供便捷的接口和示例代码。欢迎贡献，推进AI技术的边界。
AppAgent - 智能代理框架简化智能手机应用操作
AppAgentGPT-4VGithub多模态开源项目探索学习智能手机应用
AppAgent是一种基于LLM的多模态智能代理框架，模仿人类点击和滑动操作来运行智能手机应用。框架通过自主探索或观察人类演示学习新操作，生成知识库以执行复杂任务。无需系统后端访问，适用性广泛。提供详细配置步骤、评估基准和使用案例，支持GPT-4V和通义千问-VL等多种模型。
open-assistant-api - 开源智能助理API
GithubLLM支持Open Assistant APIOpenAI开源开源项目智能助理
Open Assistant API是一个开源和自托管的AI智能助手API，与官方OpenAI接口兼容。它允许与官方OpenAI客户端集成，方便构建多模型语言应用，支持简便的RAG引擎、互联网搜索以及个性化功能的实现。此外，该API支持本地部署，可通过Docker快速启动。
OmniParser - 将界面截图转化为易于理解元素的智能工具
GPT-4VGithubOmniParser交互区域检测图标功能描述开源项目界面解析
本项目将用户界面截图解析为结构化元素，提升GPT-4V的操作准确性。近期发布的交互区域检测和图标功能描述模型，在Windows Agent Arena中表现卓越。项目易于安装并支持在Gradio中演示使用案例。如需更多详情，请参见项目主页。
OSWorld - 多平台兼容的虚拟环境与基准测试工具
AI代理GPT-4VGithubOSWorld开源项目桌面环境虚拟化平台
OSWorld项目提供多平台兼容的虚拟环境和基准测试工具，支持AWS、Azure、VirtualBox等。通过详细的安装指南和快速启动示例，用户可轻松配置和运行环境。项目包含最新的代码重构与平台扩展，并发布了相关论文和项目页面，提供全面的技术支持和资源。
Awesome-Multimodal-LLM-Autonomous-Driving - 多模态大语言模型推动自动驾驶技术创新
GithubWACV人工智能多模态大语言模型开源项目自动驾驶计算机视觉
该资源库汇集自动驾驶领域多模态大语言模型(MLLM)相关研究,全面介绍MLLM在感知、规划和控制方面的应用。内容涵盖最新模型、数据集和基准,并总结WACV 2024 LLVM-AD研讨会成果。项目探讨了MLLM应用于自动驾驶系统的挑战和机遇,为研究人员和工程师提供了解该前沿领域发展的宝贵参考。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号