self-operating-computer

使多模态模型能够操作计算机的框架

Self-Operating Computer 多模态模型 GPT-4o 键盘鼠标操作 API接口 Github 开源项目

Self-Operating Computer Framework通过模拟人类的视觉和手动操作，实现计算机的自动化控制。当前支持GPT-4o、Gemini Pro Vision、Claude 3和LLaVa多模态模型，并计划对更多模型开放兼容。适用于Mac OS, Windows和Linux系统。

文档

cogagent-chat-hf - 视觉多轮对话及GUI代理开源模型

CogAgentCogVLMGUI操作GithubHuggingface图像理解开源项目模型跨模态基准

CogAgent是一款基于CogVLM改进的开源视觉语言模型，支持超高分辨率图像输入与OCR任务。在VQAv2等跨模态测试表现优秀，免费供学术研究，商业使用需注册许可。

PromptCraft-Robotics - 共享大语言模型在机器人领域的创新提示与模拟器支持

ChatGPTGithubOpenAIPromptCraft-Robotics仿真器开源项目机器人

PromptCraft-Robotics是一个社区平台，专注于分享和测试大语言模型在机器人领域的应用示例。用户可以提交操控、家庭机器人和物理推理等类别的提示，经社区审核后加入主仓库。项目提供基于Microsoft AirSim的机器人模拟器，帮助用户快速入门。支持OpenAI的ChatGPT及其他开源模型，为研究和开发人员提供丰富的资源和合作机会。

OFA - 多任务优化的跨模态序列到序列预训练模型

GithubOFA图像字幕多模态开源项目文本生成预训练模型

OFA是一个支持中文和英文的序列到序列预训练模型，整合了跨模态、视觉和语言任务，支持微调和提示调优。其应用包括图像描述、视觉问答、视觉定位、文本生成和图像分类等。项目提供了详细的预训练和微调步骤、检查点和代码示例，以及在Hugging Face和ModelScope上的在线演示和Colab笔记本下载。欢迎社区参与改进和开发。

autogpt - 基于GPT的Xcode代码自动化工具

AutoGPTGPT-3.5GPT-4GithubOpenAI APIXcode开源项目

AutoGPT是一款Xcode源代码编辑器扩展，利用OpenAI的API和多种GPT模型（Davinci、Curie、Babbage、Ada、ChatGPT）提升生产力，自动化常见编码任务，简化开发流程。此工具支持Xcode 13.0以上版本，需具备OpenAI API Key。详细使用指南和下载链接请参考官方文档和发布页面，并观看现场演示。

Open Interpreter - 大型语言模型助力计算机代码执行和任务完成

AI工具LLMOpen Interpreter代码执行任务完成计算机使用

Open Interpreter 是一个创新开源项目，使大型语言模型（LLM）能在本地计算机上执行代码，完成多样化任务。该项目通过自然语言交互，为计算机使用开创新方式，利用AI辅助复杂操作。在GitHub上，Open Interpreter已获得超过49,000星标，彰显其在开发者社区的欢迎度。目前，项目正开发桌面应用程序，并开放早期访问，以拓展功能性和实用性。

octopus-v4 - 打造全球最大语言模型网络提升开源AI表现

AI模型图谱GithubGraph of Language ModelsMMLU基准测试Octopus-v4专业模型开源项目

Octopus-v4项目构建大规模语言模型网络，集成专业模型并优化节点连接。通过开源协作提升AI性能，与闭源模型竞争。项目开放专业模型训练和推理代码，建立领域语言模型排行榜。Octopus-v4在MMLU测试中达到74.6%的成绩，优于多个主流模型。

MiniGPT-4 - 视觉语言多任务学习的统一接口

GithubMiniGPT-v2图像理解多任务学习大型语言模型开源项目视觉语言模型

MiniGPT-4是一个视觉语言理解项目，整合了Llama 2和Vicuna模型以增强多模态能力。它支持图像描述、视觉问答和多任务学习，能够处理复杂的视觉理解任务。项目的开源性和灵活架构为研究人员和开发者提供了探索视觉语言AI的工具。

awesome-openai-vision-api-experiments - OpenAI视觉API的研究与应用提供全面资源

GPT-4VGithubOpenAI Vision APIzero-shot学习图像分类开源项目视觉AI

该项目为OpenAI视觉API的研究与应用提供全面资源，覆盖从基础图像分类至高级的零次学习模型，适合初学者与专家共同探索、分享与合作。

Cradle - 使新生的基础模型通过人类使用的相同统一接口能够执行复杂的计算机任务的框架

AIAPI密钥CradleGithubPython环境开源项目计算机控制

Cradle框架通过截图作为输入、键盘和鼠标操作作为输出，使基础模型能够执行复杂的计算机任务。最新更新扩展至《荒野大镖客2》、《星露谷物语》、《城市：天际线》和《Dealer's Life 2》等游戏及多种软件如Chrome、Outlook、剪映、美图和飞书。该框架的特点是通用性，能在不同的游戏和软件环境中保持一致适应性。用户可通过具体设置和指引，轻松将框架应用到新游戏和软件中，实现高效操作和控制。

AI Bot - 多模型支持的可视化AI助手构建工具

AI助手构建器AI工具AzureClaude 3OpenAI无代码开发

AI Bot是一个可视化AI助手构建工具，集成OpenAI、Claude 3和Azure等多种AI模型。平台支持无代码操作，可轻松连接工具和数据库，构建复杂逻辑。输出形式多样，包括API、聊天小部件和各类机器人。通过简单三步流程，可快速从模板开始构建并部署AI助手，适用于多种网站和应用场景。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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