产品库

用于测试和开发AI代理的可扩展开源框架

Windows Agent Arena (WAA) 是一个专注于Windows操作系统的可扩展、开源框架，用于测试和开发能够使用语言模型在PC上进行推理、规划和行动的AI代理。它通过模拟真实的Windows环境，允许代理自由操作，并使用与人类用户相同的应用程序、工具和网络浏览器来解决任务。WAA通过Azure实现可扩展性和并行化，能够在短短20分钟内完成完整的基准测试评估。

UFO是一个用于Windows操作系统交互的UI聚焦双Agent框架

UFO是一个用于Windows操作系统交互的UI聚焦双Agent框架。它通过自然语言理解用户请求,并在一个或跨多个应用程序内无缝导航和操作来执行这些请求。该框架包含AppAgent和ActAgent两个agent。AppAgent负责根据用户请求选择应用程序。ActAgent负责在选定的应用程序内迭代执行操作,直到任务成功完成。两者都利用GPT-Vision的多模态功能来理解应用程序的UI并满足用户的请求。

下一代AI代理操作系统

/dev/agents是一个致力于构建下一代AI代理操作系统的平台。它旨在通过新的用户界面模式、重新构想的隐私模型和开发者平台，使计算机能够像人与人之间的帮助一样，帮助人们在日常生活中使用软件。这个平台挑战了现有的技术限制，致力于创造更加强大和消费者友好的应用体验。

AI生成的90年代风格操作系统仿真。

Windows 9X是一个以90年代操作系统为蓝本的仿真产品，利用SawyerSoft IntelliOptimize™人工智能技术，实时创建应用程序，优化用户体验，提升操作效率。

全球首个AI原生操作系统

DuerOS X是小度基于百度文心大模型推出的全球首个AI原生操作系统。它彻底颠覆了传统的人适应系统的模式，实现了端到端连接用户的意图与任务，极大地拓展了操作系统的边界。DuerOS X全面应用了文心大模型，通过模型路由架构，能够灵活调度不同的文心模型去解决不同难度的问题，更高效、更精准、更经济。个性化长短记忆的存储、提取和理解能力，使得DuerOS X能够更清楚地记住历史内容与用户个性化偏好。此外，多模态感知技术的应用，让DuerOS X产生更丰富的感知力，无论是通过语音、文字还是表情与小度沟通，都能准确地理解用户的意图，并给出恰当的回应。

深度融合AI技术，创新操作系统体验。

openKylin 2.0是一个深度融合AI技术的操作系统版本，它基于Linux 6.6 LTS内核，完成了180多项核心组件的自主选型升级，提供了包括麒麟AI助手在内的多项实用AI功能。该版本由超过6500名开发者共同打造，得到了110多个SIG和520多家企业的鼎力支持，是社区共同努力的结晶。openKylin 2.0不仅提升了系统稳定性和兼容性，还通过引入创新特性如开明软件包格式、不可变系统等，为用户提供了更高效、更安全、更个性化的操作系统体验。

AI操作系统，为智能设备提供个性化助理。

CosmOS是由Humane公司开发的AI操作系统，旨在为连接的设备宇宙构建。它通过理解用户的偏好和需求，提供个性化的协助，简化交互，并在所有设备上处理复杂的任务。CosmOS的核心是Ai Bus，一个强大的AI协调系统，它无缝地协调各种AI模型、数据集、服务和设备能力，提供流畅直观的体验。CosmOS支持多设备形态，并适应最新的AI技术发展，易于新代理和能力的加入。它还强调了数据隐私和所有权，将控制权牢牢地放在个人和组织手中。

Deta Space是一个云端操作系统

Deta Space 是一款独特的个人云计算机，可从任何地方访问。 Space OS 是它的操作系统，它为用户提供了对其软件的控制，并为应用程序提供了超级互操作能力——所有这些都融入了人工智能。

多模态智能代理框架，解决复杂任务

OmAgent是一个复杂的多模态智能代理系统，致力于利用多模态大型语言模型和其他多模态算法来完成引人入胜的任务。该项目包括一个轻量级的智能代理框架omagent_core，精心设计以应对多模态挑战。OmAgent由三个核心组件构成：Video2RAG、DnCLoop和Rewinder Tool，分别负责长视频理解、复杂问题分解和信息回溯。

Symphony是一款基于云的AI操作系统，帮助用户高效完成各种任务.

Symphony是一款创新的基于云的AI操作系统，旨在通过AI技术帮助用户高效完成各种任务。它能够在操作系统级别上运行，与用户安装的任何工具和程序无缝协作。Symphony的主要优点在于其强大的AI能力，可以自动执行繁琐的任务，如编写电子表格、报告等，让用户专注于更重要的工作。此外，Symphony支持通过手机远程控制，使用户能够在任何地方进行工作。产品定价为一次性支付15美元，即可将操作系统永久保存在服务器上，确保数据安全。

世界首款人工智能操作系统

Antispace是一款独立的研究实验室开发的人工智能操作系统，旨在通过自动化、速度和简单性解锁无与伦比的超能力。它通过统一的工作空间将所有工具连接到一个不断发展的HUD（抬头显示），控制你的工具，控制你的生活。Antispace使用AI来自动化工作、管理任务，并帮助你专注于最重要的事情。AI理解并记住你的偏好，为你个性化工作。Antispace致力于数据安全和隐私，只访问通过Gmail的必要信息，并使用行业标准的加密技术保护信息。

您的个人助手，集成到您的操作系统中。

Invisibility 是一款集成到操作系统中的个人助手应用程序，它通过简单的键盘快捷键，允许用户快速与AI进行交互，提高工作效率。该应用提供了一个平台，结合了所有最新的高级模型，用户无需为多个工具或订阅付费。Invisibility 的设计理念在于简化用户与技术的互动，提供流畅的体验，无需在不同的标签和应用程序之间切换。

AI代理和多代理系统的无限画布

Canvas by MindPal是一个为现代专业人士提供AI解决方案的平台，旨在提高工作效率。它突破了线性聊天的限制，提供了一个无限的画布，让用户可以同时运行多个AI代理和多代理系统。这个平台允许用户以更符合人类思维的方式与AI互动，通过并行或顺序运行AI代理来实现复杂的工作流程。产品背景信息显示，MindPal致力于通过AI技术帮助用户打破线性限制，重新想象AI的可能性。价格方面，目前有黑五促销活动，所有年度计划享受60%的折扣。

面向未来的操作系统，以行动为中心而非应用

Mainframe旨在重新定义操作系统，使其以行动为中心，而非传统的应用程序。它利用人工智能技术，使计算机能够自动完成任务，减少用户的操作负担。该产品强调简洁的用户界面和高效的任务执行能力，旨在提升用户的生产力和工作效率。Mainframe的背景是现代操作系统过于复杂，用户需要花费大量时间在应用程序之间切换和操作。通过简化操作流程，Mainframe为用户提供了一种全新的计算体验。

一个人性化的多代理系统，自动化网络任务。

Magentic-UI 是一个基于多代理系统的研究原型，允许用户通过透明且可控的界面进行网络浏览和任务自动化。其主要优势在于能够提高人机交互的效率，同时为用户提供对自动化过程的控制。该产品适用于需要在网络上执行复杂任务的用户支持多种操作和自定义设置。

AI驱动的任务管道和多代理团队框架

Orchestra是一个用于创建AI驱动的任务管道和多代理团队的框架。它允许开发者和企业构建复杂的工作流程，通过集成不同的AI模型和工具来自动化任务处理。Orchestra的背景信息显示，它由Mainframe开发，旨在提供一个强大的平台，以支持AI技术的集成和应用。产品的主要优点包括其灵活性和可扩展性，能够适应不同的业务需求和场景。目前，Orchestra提供免费试用，具体的价格和定位信息需要进一步查询。

智能手机应用的多模态代理框架

AppAgent是一个基于LLM（大型语言模型）的多模态代理框架，设计用于操作智能手机应用。通过简化的动作空间（如点击和滑动），模仿人类般的互动方式，实现应用操作，无需系统后端访问。代理通过自主探索或观察人类演示学习新应用的使用方法，创建知识库用于执行不同应用中的复杂任务。

低代码多代理系统框架

Praison AI 是一个低代码的集中式框架，旨在简化各种大型语言模型（LLM）应用的多代理系统的创建和编排。它强调易用性、可定制性和人机交互。Praison AI 利用 AutoGen 和 CrewAI 或其他代理框架，通过预定义的角色和任务来实现复杂的自动化任务。用户可以通过命令行界面或用户界面与代理进行交互，创建自定义工具，并通过多种方式扩展其功能。

多代理礼宾系统，提升客户服务效率

multi-agent-concierge是一个多代理礼宾系统，它通过多个专门的代理来完成复杂的任务，并通过一个“礼宾”代理来引导用户到正确的代理。这种系统设计用于处理具有相互依赖关系的多个任务，使用数百种工具。该系统展示了如何通过自然语言指令创建代理之间的隐式“链”，并通过“延续”代理来管理这些链，同时使用全局状态来跟踪用户及其当前状态。

多模态和多任务模型训练框架

4M是一个用于训练多模态和多任务模型的框架，能够处理多种视觉任务，并且能够进行多模态条件生成。该模型通过实验分析展示了其在视觉任务上的通用性和可扩展性，为多模态学习在视觉和其他领域的进一步探索奠定了基础。

多代理系统，帮助组织和撰写文档。

Kiroku是一个多代理系统，旨在帮助用户组织和撰写文档。它通过模拟博士论文写作过程中学生与导师的互动，让写作者扮演顾问的角色，而多代理系统则扮演学生的角色。这种流程的优势在于能够快速生成段落序列，通过迭代评估信息来改变沟通方式，并借助大型语言模型（LLMs）讨论复杂话题。Kiroku需要OPENAI_API_KEY和TAVILY_API_KEY来运行，支持Python 3.7至3.11版本。

快速构建和设计多代理系统的工具

AutoGen Studio 是微软研究院开发的一款低代码工具，旨在帮助开发者快速原型设计、调试和评估由多个人工智能代理组成的复杂系统。它通过提供用户友好的拖放界面，让开发者能够快速构建和原型设计多代理系统，即使开发者的编程经验有限。该工具通过直观的拖放界面和Python API，使开发者能够轻松配置和组合生成式AI模型与工具，从而解决一些复杂的长时任务。

基于大型多模态模型构建端到端网络代理

WebVoyager是一款创新的大型多模态模型（LMM）驱动的网络代理，能够通过与现实世界的网站交互，端到端完成用户指令。我们提出了一种新的网络代理评估协议，以解决开放式网络代理任务的自动评估挑战，利用GPT-4V的强大多模态理解能力。我们从15个广泛使用的网站收集了真实世界任务，用于评估我们的代理。我们展示了WebVoyager实现了55.7%的任务成功率，明显超过了GPT-4（所有工具）和WebVoyager（仅文本）设置的性能，突显了WebVoyager在实际应用中的卓越能力。我们发现我们提出的自动评估与人类判断达成了85.3%的一致性，为在真实世界环境中进一步发展网络代理铺平了道路。

Ollama能在Windows本地运行大型AI模型

Ollama是一个开源项目,能够在Windows本地运行各类大型AI模型,支持GPU加速,内置OpenAI模型兼容层,提供永久在线的API。用户可以无缝访问Ollama的完整模型库,进行图片和语音交互。Ollama免配置就能获得强大的AI能力,帮助开发者和创作者在Windows上构建AI应用。

一个用于智能设备等的多模态原生代理框架。

OmAgent是一个多模态原生代理框架，用于智能设备等。它采用分治算法高效解决复杂任务，能预处理长视频并以类似人类的精度进行问答，还能基于用户请求和可选天气条件提供个性化服装建议等。目前官网未明确显示价格，但从功能来看，主要面向需要高效任务处理和智能交互的用户群体，如开发者、企业等。

Cradle框架：用于控制计算机的多模态代理

Cradle框架旨在使基础模型能够通过与人类相同的通用接口（屏幕作为输入，键盘和鼠标操作作为输出）执行复杂的计算机任务。该框架在Red Dead Redemption II游戏中进行了案例研究，展示了其在复杂环境中的泛化和适应能力。

AI多模态数据绑定

ImageBind是一种新的AI模型，能够同时绑定六种感官模态的数据，无需显式监督。通过识别这些模态之间的关系（图像和视频、音频、文本、深度、热成像和惯性测量单元（IMUs）），这一突破有助于推动AI发展，使机器能够更好地分析多种不同形式的信息。探索演示以了解ImageBind在图像、音频和文本模态上的能力。

AI驱动的自动化工具，执行精确的系统操作

Clevrr-Computer是一个开源的自动化代理，设计用于执行精确和高效的系统操作。它使用PyAutoGUI库来自动化键盘、鼠标和屏幕交互，确保在每项任务中的安全性和准确性。该产品背景信息强调了其在自动化领域的创新性，主要优点包括自动化鼠标移动、点击和键盘输入，以及截图和管理窗口的能力。它还强调了错误处理和反馈机制，以及执行任务时的最大精度，以避免无意的动作。

多模态AI开发助手

DevMind AI旨在无缝整合文本、图像、视频、音频和代码等多种模型的推理能力，帮助您像专业人士一样进行开发！DevMind AI通过AI功能增强您的项目。

多模态音乐理解和生成系统

M2UGen是一个结合大语言模型的多模态音乐理解和生成框架,旨在帮助用户进行音乐创作。它能同时完成音乐理解和多模态音乐生成任务。