Roland.W(@rwayne):字节跳动开源了个桌面 AI Agent，直接用自然语言控制你的电脑你说"帮我打开 VS Code 的自动保存功能"，它就真的去点开设置帮你改说"帮我在 Priceline 订明天去东京的机票"，它就真的去操作浏览器完成预订 GitHub：https://t.co/p4HaGr7ZnV 核心原理很直接：截屏 → 理解屏幕内容 → 推理下一步动作 → 执行点击/输入/滚动 → 再截屏 → 循环到任务完成本质上是 Anthropic Computer Use 的开源替代它交付了两个产品： UI-TARS Desktop：原生应用，支持 macOS 和 Windows Agent TARS：通用框架，支持任意多模态 LLM（Claude、GPT、豆包都行），还能接 MCP 工具服务器感觉以后连鼠标都不用动了

2026.05.18 09:36

字节跳动开源了个桌面 AI Agent，直接用自然语言控制你的电脑你说"帮我打开 VS Code 的自动保存功能"，它就真的去点开设置帮你改说"帮我在 Priceline 订明天去东京的机票"，它就真的去操作浏览器完成预订 GitHub：核心原理很直接：截屏 → 理解屏幕内容 → 推理下一步动作 → 执行点击/输入/滚动 → 再截屏 → 循环到任务完成本质上是 Anthropic Computer Use 的开源替代它交付了两个产品： UI-TARS Desktop：原生应用，支持 macOS 和 Windows Agent TARS：通用框架，支持任意多模态 LLM（Claude、GPT、豆包都行），还能接 MCP 工具服务器感觉以后连鼠标都不用动了