革命性升级！UI-TARS-desktop 0.1.0携1.5模型实现自然语言操控电脑
项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop 还在为繁琐的电脑操作烦恼？2025年4月17日发布的UI-TARS-desktop 0.1.0版本带来了颠覆性体验！全新重设计的Agent UI、强大的浏览器操作功能，配合先进的UI-TARS-1.5模型，让你用自然语言就能轻松掌控电脑。本文将从安装到进阶功能，全方位评测这个跨时代的GUI Agent应用。
版本核心亮点
UI-TARS-desktop 0.1.0版本最引人注目的更新莫过于集成了UI-TARS-1.5模型。根据README.md介绍，该模型在性能和精确控制方面实现了显著提升，同时带来了两大核心功能革新：
- 全新Agent UI：采用更直观的交互设计，操作流程优化30%
- 浏览器操作功能：支持通过自然语言控制Chrome、Edge和Firefox浏览器完成复杂网页操作
安装与配置指南
系统要求
使用前请确保已安装以下浏览器之一：
- Chrome（稳定版/测试版/开发版/金丝雀版）
- Edge（稳定版/测试版/开发版/金丝雀版）
- Firefox（稳定版/测试版/开发版/夜间版）
注意：目前UI-TARS-desktop仅支持单显示器设置，多显示器配置可能导致部分任务失败
下载与安装
macOS平台
- 从最新发布页面下载安装包
- 将UI TARS应用拖入应用程序文件夹
- 启用必要权限：
- 系统设置 → 隐私与安全性 → 辅助功能
- 系统设置 → 隐私与安全性 → 屏幕录制
- 打开应用即可看到全新界面
Windows平台
Windows用户可直接运行安装程序，完成后将显示如下界面：
高级用户可通过Homebrew安装：
brew install --cask ui-tars
UI-TARS-1.5模型配置
Hugging Face部署
- 在Hugging Face上部署UI-TARS-1.5-7B模型
- 在应用设置中配置：
Language: en
VLM Provider: Hugging Face for UI-TARS-1.5
VLM Base URL: https://your-endpoint/v1/
VLM API KEY: your_api_key
VLM Model Name: UI-TARS-1.5-7B
火山引擎部署
国内用户推荐使用火山引擎的Doubao-1.5-UI-TARS模型：
- 获取API密钥和基础URL
- 在设置中配置：
Language: cn
VLM Provider: VolcEngine Ark for Doubao-1.5-UI-TARS
VLM Base URL: https://ark.cn-beijing.volces.com/api/v3
VLM API KEY: YOUR_API_KEY
VLM Model Name: doubao-1.5-ui-tars-250328
实战体验：自然语言操控电脑
配置完成后，点击"开始新对话"按钮即可体验自然语言控制电脑的魅力：
基础操作示例
输入自然语言命令即可执行相应操作，例如：
- "打开Chrome浏览器并访问GitHub"
- "在当前页面搜索UI-TARS相关项目"
- "将搜索结果保存为PDF文件"
浏览器操作演示
UI-TARS-1.5模型特别增强了浏览器控制能力，支持：
- 网页元素精确定位与交互
- 表单自动填写
- 页面内容提取与分析
- 多步骤网页操作自动化
高级功能探索
预设场景选择
应用提供多种预设场景，可根据需求快速切换工作模式：
自定义配置
通过设置界面可调整多种参数，优化模型性能：
- 语言偏好设置
- 模型提供商选择
- API端点配置
- 高级交互选项
总结与展望
UI-TARS-desktop 0.1.0版本凭借UI-TARS-1.5模型的强大能力，重新定义了人机交互方式。自然语言操控电脑不再是科幻，而是触手可及的实用工具。无论是日常办公还是复杂任务自动化，都能显著提升效率。
未来，我们期待看到更多第三方插件和自定义预设的出现，进一步扩展UI-TARS-desktop的应用场景。立即下载体验，开启你的自然语言操控之旅！
完整文档请参考：官方文档 代码仓库：UI-TARS-desktop
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
