Agent-S - 超越人类水平的开源 GUI Agent 框架

项目简介

Agent-S 是一个开源的 Agent-Computer Interface 框架，让 AI Agent 像人类一样操控电脑完成复杂任务。

核心功能

模块	说明
Agent S3	在 OSWorld 上达到 72.60%，首次超越人类水平
跨平台支持	Windows、macOS、Linux 全平台覆盖
零样本泛化	在 WindowsAgentArena 和 AndroidWorld 上表现优异
行为最优采样	Behavior Best-of-N 策略进一步提升成功率

技术栈

技术	说明
Python	核心框架语言，pip 一键安装 gui-agents
MLLM	多模态大语言模型驱动视觉理解
RAG + Memory	检索增强与记忆机制支持经验学习
Grounding	精确的 GUI 元素定位与交互

适用场景

• 自动化 GUI 操作与软件测试
• 跨平台智能体研究与基准测试
• 计算机自动化工作流构建

Stars

11,031 Stars，Python，Apache-2.0