基于 AI 视觉理解的 macOS GUI 自动化工具，通过屏幕截图与多供应商大模型实现元素检测、语义理解与自然语言驱动的界面操作

模型与推理框架多模态MCP

查看详情 →

主动式 AI 桌面伙伴平台，具备全模态对话、三层记忆系统、Agent 自动化操控、Live2D/VRM/MMD 多形态 Avatar 及 Steam 创意工坊 UGC 生态。

多模态AI代理Electron

查看详情 →

面向 AI Agent 的 macOS 全桌面操控系统，通过 29 个 MCP 工具实现结构化感知、视觉定位、合成输入与自学习 Recipe 工作流。

文档教程与资源多模态MCP

查看详情 →

面向 macOS Apple Silicon 的全链路端侧语音 AI 助手，集成 STT、LLM、TTS、VLM、RAG 与系统操作控制，完全离线运行。

模型与推理框架大语言模型多模态

查看详情 →

一个由视觉语言大模型驱动的计算机控制代理，能够让AI通过观察屏幕截图并输出鼠标键盘操作来与GUI交互，完成多步骤任务。

智能体与应用工具PythonPyTorch

查看详情 →

一款基于自然语言驱动的AI本地自动化工具，能够像人类一样理解屏幕内容并自主操作计算机，无需编程知识即可实现复杂自动化流程。

智能体与应用工具PythonAI代理

查看详情 →

由字节跳动开发的开源多模态 AI 智能体（Agent）堆栈，包含通用智能体框架 Agent TARS 和桌面客户端 UI-TARS Desktop，通过视觉语言模型实现基于自然语言的计算机控制、浏览器自动化及 CLI 交互。

智能体与应用工具TypeScriptNode.js

查看详情 →