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 →

首个开源 Agent-first 视频制作系统，提供 12 条结构化管线与 52 个生产工具，在 AI 编程助手中以自然语言驱动端到端视频生产。

自然语言处理多模态AI代理

查看详情 →

节点式可视化 AI 工作流与 LLM Agent 构建平台，支持本地运行模型与多模态编排，提供桌面端、Web、CLI、移动端全矩阵交付形态。

模型与推理框架大语言模型多模态

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 →

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 →