字节跳动开源了一套多模态AI Agent技术栈,名字挺酷,叫UI-TARS Desktop。

字节跳动开源了一套多模态AI Agent技术栈,名字挺酷,叫UI-TARS Desktop。用起来特别简单粗暴:你直接甩一句人话过去——“帮我把VS Code的自动保存打开”或者“去Priceline订张明天飞东京的机票”——它就能自己接管你的电脑,把活儿给干了。

这次一共端出来俩产品:
👉 UI-TARS Desktop:原生桌面应用,通过NutJS控制鼠标键盘,macOS和Windows通吃。
👉 Agent TARS:通用框架,走CLI和Web UI,支持挂载任意多模态LLM——不限于字节自家的,Claude、GPT、豆包统统能接。它还支持MCP集成,扩展性拉满。
🔗 项目地址:github.com/bytedance/ui-tars-desktop
分类