Logo
Project Icon

MobileAgent

移动设备多模态操作助手

Mobile-Agent移动设备操作助手多代理协作CCL 2024ICLR 2024Github开源项目

移动设备操作助手家族，包括Mobile-Agent-v3和Mobile-Agent-v2，支持多模态操作和高效导航。该项目通过多代理协作实现快速推理和低内存消耗，适用于各类应用场景。Mobile-Agent在CCL 2024上荣获最佳演示奖，并提供在Hugging Face和ModelScope上的在线体验，无需额外配置即可使用，满足智能操作需求。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
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。
ScreenAgent - 由视觉语言大模型驱动的电脑控制工具
GithubIJCAI 2024ScreenAgentVLM Agent开源项目数据集自动控制
ScreenAgent项目创建了一个由视觉语言模型驱动的电脑控制环境，允许代理通过截图与真实屏幕互动并操作GUI。自动控制流程分为规划、执行和反思三个阶段，使代理能够完成多步骤任务。项目包含丰富的截图和操作序列数据集，支持包括GPT-4V、LLaVA-1.5、CogAgent和ScreenAgent在内的多种模型，并提供简化体验的网页版客户端。
modelscope-agent - 可定制和扩展的开源大语言模型代理框架
GithubModelScope-Agent代理系统大语言模型工具调用开源项目智能助手
ModelScope-Agent 是一个可定制和扩展的代理框架，支持角色扮演、工具调用、规划和记忆功能。通过简单配置，可以快速实现代理应用，利用丰富的模型和工具接口，如 Dashscope、OpenAI 等。框架低耦合、高扩展性，便于开发者扩展和定制各种代理应用，适用于多种实际应用场景。
agentchain - 使用大型语言模型（LLM）来规划和编排多个代理，或使用大型模型（LM）来完成复杂的任务。
AgentChainGithub交互代理任务编排多模态大型语言模型开源项目
AgentChain采用先进的的大型语言模型，提供基于自然语言输入的规划与决策能力，支持文本、图像、音频和表格数据等多模态输入输出。其智能系统能够协调多个agent执行复杂任务，适用于计算机视觉、语音识别等数据处理工作，并可定制以满足各类项目需求，从自动化生成旅游图片到金融分析报告。此外，AgentChain还能通过Twilio等平台实现邮件发送和电话通知等通信任务。
AgentLLM - 用LLM打造自主代理，浏览器端高效运行
AgentLLMChatGPTGithubWebGPUWizardLM开源项目浏览器原生LLM
AgentLLM展示了使用开源大型语言模型（LLM）在浏览器上运行自主代理的潜力，可有效处理复杂的目标导向任务。通过利用WebGPU，项目显著提升了性能，并在无工具简化版的AgentGPT环境中实现。该平台适合于希望快速验证LLM能力的用户，界面友好且功能丰富。
OmAgent - 多模态智能代理系统实现复杂视频理解
GithubOmAgent人工智能多模态智能代理大语言模型开源项目视频理解
OmAgent是一个多模态智能代理系统，结合多模态大语言模型和算法来完成复杂任务。系统包含轻量级智能代理框架omagent_core和三个核心组件：Video2RAG、DnCLoop和Rewinder Tool。OmAgent突破视频长度限制，实现长视频理解、任务分解和信息检索。这一开源项目为研究和开发多模态应用提供了有力工具。
AutoAgents - 增强大语言模型的复杂问题解答能力
AutoAgentsGithubLLM信息搜索能力复杂问题回答开源项目链式思考
AutoAgents项目通过思维链推理和信息搜索能力提升大语言模型的复杂问题解答水平。该项目展示了语言模型理解目标、制定计划、使用工具和输出结果的能力。目前重点开发Web搜索代理，并计划推出7B参数模型。用户可在Hugging Face平台体验演示或本地运行代理。未来发展方向包括构建高质量数据集、优化模型性能和扩展功能。
XAgent - 开源的实验性大型语言模型驱动的自主代理
GithubXAgent人工智能大语言模型开源开源项目热门自主代理
XAgent是一款开源的大型语言模型驱动的自主代理，旨在自动解决各种任务。该项目处于初期阶段，团队正致力于不断完善。XAgent具备自动性、安全性、可扩展性和人机合作等特点，通过独特的分派器、计划器和执行器三部分协同工作，实现复杂任务的高效处理。目标是打造一个能解决任何给定任务的超级智能代理。
agentscope - 大型模型支持的多智能体应用开发平台
APIAgentScopeGithub分布式多智能体应用大规模模型开源项目
AgentScope是一个先进的多智能体平台，专为开发人员构建基于大规模模型的多智能体应用而设计。该平台易于使用，并配备全面的组件和详尽的文档，同时提供定制的容错控制和重试机制以增强应用的稳定性。其分布式架构简化了多智能体系统的开发流程，提高了开发效率。
OpenAgents - 语言代理开放平台
Data AgentGithubOpenAgentsPlugins AgentWeb Agent开源项目语言智能代理
OpenAgents是一个开放型语言代理平台，通过聊天界面提供数据分析、插件整合及网页浏览功能。其支持快速易部署的代码结构和用户友好的Web界面，配备丰富的定制选项，适合技术开发者和普通用户。平台现有三种代理，分别优化数据操作、提供多样插件和自动化网页导航，适用于多场景应用。
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