用AI让电脑听懂你的话：UI-TARS Desktop完全指南

用AI让电脑听懂你的话：UI-TARS Desktop完全指南

【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

你是否曾幻想过，只需对电脑说一句话，它就能自动帮你完成各种任务？UI-TARS Desktop将这个梦想变成了现实。这是一款开源的多模态AI代理工具，通过连接前沿AI模型与智能代理基础设施，让你的电脑真正学会"听"懂自然语言指令并执行相应操作。无论是自动化日常办公任务，还是简化复杂的电脑操作流程，这款工具都能为普通用户提供直观而强大的AI辅助体验。

🎯 核心功能：两大操作模式

UI-TARS Desktop的核心在于让AI理解你的意图并执行操作。它提供两种主要工作模式，满足不同场景的需求：

1. 本地计算机自动化

选择"Computer Operator"模式，AI助手可以直接在你的电脑桌面上执行任务。想象一下，你可以告诉它："帮我整理桌面文件"或"打开邮件客户端并查看未读邮件"，它会像真人一样操作鼠标和键盘完成任务。

2. 本地浏览器自动化

选择"Browser Operator"模式，AI可以控制浏览器完成网页操作。无论是搜索信息、填写表单、还是进行在线购物，你只需用自然语言描述需求，AI就能在浏览器中自动执行。

上图展示了UI-TARS Desktop的欢迎界面，你可以看到两种核心操作模式的入口

🚀 3分钟快速上手指南

第一步：下载与安装

根据你的操作系统选择合适的安装方式：

Mac用户：下载dmg文件后，只需将UI TARS图标拖拽到"应用程序"文件夹即可完成安装。首次运行时，需要在系统设置中授予"辅助功能"和"屏幕录制"权限，这是为了让AI能够正常控制你的电脑界面。

Windows用户：下载安装程序后，如果遇到系统安全提示，点击"更多信息"，然后选择"仍要运行"即可继续安装。

第二步：配置AI模型

要让AI助手真正工作起来，你需要为它选择一个"大脑"。UI-TARS Desktop支持多种AI模型提供商：

1. 点击界面左下角的设置图标
2. 在设置面板中选择"VLM Settings"
3. 从下拉菜单中选择你偏好的AI模型提供商
4. 输入对应的API Key
5. 点击"Save"保存设置

AI模型配置面板让你可以选择不同的视觉语言模型提供商

目前支持的模型包括火山引擎的Doubao-1.5-UI-TARS和Hugging Face上的UI-TARS系列模型。如果你没有API Key，可以通过火山引擎控制台免费申请试用。

第三步：开始你的第一个任务

配置完成后，你就可以开始与AI助手对话了。在输入框中用自然语言描述你的需求，例如：

• "帮我检查GitCode上UI-TARS-Desktop项目的最新issue"
• "打开浏览器搜索今天的天气"
• "在桌面上创建一个名为'工作文件'的文件夹"

点击"Use Local Computer"或"Use Local Browser"按钮，开始你的AI助手体验

🌐 远程浏览器控制：突破地理限制

除了本地操作，UI-TARS Desktop还提供了强大的远程浏览器控制功能。点击"Cloud Browser"按钮，AI助手可以在云端浏览器中执行任务，这对于需要访问特定地区内容或进行自动化测试的用户特别有用。

远程浏览器控制界面让你可以操作云端浏览器标签页

📊 任务报告与分享

每次任务完成后，UI-TARS Desktop都会生成详细的操作报告。你可以选择将报告导出为HTML文件，或者直接上传到配置的报告服务器。成功上传后，报告链接会自动复制到剪贴板，方便你与他人分享。

任务完成后，你可以轻松分享操作报告

⚙️ 高级配置选项

语言设置

UI-TARS Desktop支持中英文切换，但请注意这只会影响AI模型的输出语言，应用界面本身暂时只支持英文。

循环参数调整

• 最大循环次数：控制单次对话中AI可以执行的最大步骤数（25-200步）
• 循环等待时间：设置每个操作步骤之间的延迟时间，确保界面有足够时间响应

浏览器搜索引擎

在浏览器操作模式下，你可以选择Google、Bing或Baidu作为默认搜索引擎。

🔧 自定义报告存储

如果你有自己的服务器，可以配置报告存储服务。UI-TARS Desktop支持将生成的报告自动上传到指定服务器，并获取可分享的链接。服务器需要实现简单的HTTP接口，接收multipart/form-data格式的报告文件。

📖 官方文档资源

想要深入了解UI-TARS Desktop的更多功能？以下官方文档会帮助你：

• 快速开始指南：docs/quick-start.md - 包含详细的安装和配置步骤
• 设置配置指南：docs/setting.md - 所有配置选项的完整说明
• 预设使用方法：docs/preset.md - 如何导入和使用预设配置
• SDK文档：docs/sdk.md - 开发者集成指南

💡 使用技巧与最佳实践

1. 明确指令

给AI的指令越具体，执行效果越好。例如，与其说"整理文件"，不如说"将桌面上的所有PDF文件移动到'文档'文件夹中"。

2. 分步执行

对于复杂任务，可以将其拆分为多个简单指令，让AI逐步完成。

3. 利用预设配置

UI-TARS Desktop支持导入预设配置，可以快速设置常用的工作流程，提高效率。

4. 定期检查更新

点击设置中的"Check Update"按钮，确保你使用的是最新版本，获得最佳体验和最新功能。

🎉 开始你的AI助手之旅

UI-TARS Desktop将复杂的AI技术封装成简单易用的桌面应用，让每个人都能享受智能自动化带来的便利。无论你是想提高工作效率，还是探索AI的可能性，这款工具都能为你打开一扇新的大门。

现在就下载UI-TARS Desktop，开始用自然语言指挥你的电脑吧！你会发现，让电脑"听懂"你的话，原来如此简单。

【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