Logo
Project Icon

ScreenAgent

由视觉语言大模型驱动的电脑控制工具

ScreenAgentVLM AgentIJCAI 2024自动控制数据集Github开源项目

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。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
Form2Agent AI - AI语音辅助技术优化网页表单交互
AI工具Form2Agent AI人工智能多语言支持用户体验表单填写
Form2Agent AI是一种创新的语音辅助AI解决方案，旨在优化网页和移动应用中的表单填写体验。这款工具支持文本、语音和文件等多种输入方式，提供实时翻译和错误纠正功能。它能够无缝集成到现有应用中，提升用户生产力，简化复杂任务，并扩大全球用户覆盖范围。Form2Agent AI广泛适用于金融科技、健康科技、客户支持和电子商务等行业，通过智能自动化提高效率和准确性，同时增强系统的可访问性。
graphologue - 实时可视化大型语言模型响应，提升信息获取与理解
GithubGraphologueLLMOpenAI APIUIST 2023交互图表开源项目
Graphologue将大型语言模型（如GPT-4）的文本响应实时转化为互动图表，使用创新提示和界面设计便于提取实体和关系，支持复杂信息任务。用户可以调整图示和提交上下文提示，促进与LLM的非线性对话，增强信息探索和组织能力。
alfred - 视觉语言导航家庭任务智能代理基准
AIALFREDGithub开源项目深度学习自然语言处理计算机视觉
ALFRED是一个用于训练和评估智能代理的基准数据集,模拟家庭环境中的日常任务。它结合自然语言指令和第一人称视觉信息,包含长序列操作和不可逆状态变化,更贴近真实场景。项目提供数据集、代码和工具,支持视觉语言导航和任务完成系统的研发。ALFRED还维护公开排行榜,便于研究人员比较不同模型的性能。
ai-game-devtools - AI游戏开发工具的最新动向和详情
AI Game DevToolsAgentGPTCodeGithubLLMUnity开源项目
关注最新的AI游戏开发工具，如大型语言模型(LLM)、自主Agent、代码生成、写作助手、图片生成、纹理处理、着色器、3D模型、动画、视频、音频、音乐、歌声和数据分析。项目包括AgentGPT、AICommand、Auto-GPT、BabyAGI、ChatGPT-API-unity等。支持Unity和Unreal Engine的专用集成工具，还提供多种开源项目和学术研究链接，帮助开发者高效创建和优化AI驱动的游戏内容。
AutoGPT - 构建和运行智能AI代理的高效工具
AIAutoGPTGitHubGithub前端开源项目智能代理热门
AutoGPT是一款强大的工具，它允许您创建和运行智能代理以自动执行各种任务，从而简化日常操作。通过AutoGPT Builder和Server，您可以轻松设计和部署AI代理，应用于市场营销、内容再创作等多种场景。立即开始构建您的第一个AI代理，体验前所未有的操作便捷和效率。
agentcloud - 私有LLM聊天应用的开源构建与部署平台
AgentCloudGithubLLM聊天应用Python应用开源平台开源项目数据交互
AgentCloud是一个开源平台，帮助公司构建和部署私有LLM聊天应用，确保团队可以安全地与数据互动。平台包括Python开发的Agent Backend、Next.js构建的Webapp和Rust实现的Vector Proxy，支持集成Qdrant向量数据库和Google Cloud服务。平台提供详细教程和文档，方便用户快速上手。AgentCloud有一个活跃的社区和公开路线图，欢迎用户贡献和反馈。
js-agent - 可扩展、易组合的持续改进的JavaScript和TypeScript AI代理框架
AI agentsGithubJS AgentJavaScriptModelFusionTypeScript开源项目
JS Agent是一个可扩展、易组合的框架，专为JavaScript和TypeScript创建AI代理而设计。通过提供众多构建模块和工具，JS Agent使得开发可靠的AI代理更加高效。框架支持代理定义、执行和HTTP服务器，并兼容多种LLM模型和API，还包括多种实用的动作工具和文本处理功能。设计原则包括强类型、安全的直接函数调用和易于扩展等。更多详细信息和使用示例请参阅项目的文档和教程。
AI Employe - 基于GPT-4视觉技术的浏览器自动化工具
AI EmployeAI工具工作流程研究助手自动化邮件处理
AI Employe是一款基于GPT-4视觉技术的浏览器自动化工具，可靠地实现电子邮件到CRM/ERP的数据传输自动化。它能处理需要人类智能的任务，如理解邮件、收据和发票等。用户只需描述任务，AI Employe就能执行复杂操作，每周节省大量时间。作为研究助手，它可从图表和图像中提取见解。这个开源项目旨在提高工作效率，通过浏览器自动化帮助用户节省宝贵时间，成为提升工作效率的得力助手。
Awesome-Embodied-Agent-with-LLMs - 大语言模型在智能体研究与应用中的精选资源
Embodied AIGithubInteractive Embodied LearningLarge Language ModelsMulti-Agent LearningSelf-Evolving Agents开源项目
该项目汇集了使用大语言模型(LLMs)进行智能体(Embodied AI)研究的精选资源，涵盖自适应智能体、社交智能体、复杂应用、模拟学习、规划与操作、多智能体协调等专题。项目主页提供丰富的论文资料和最新研究进展，适合相关领域研究者和开发者参考，不断更新。
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