[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-simular-ai--Agent-S":3,"tool-simular-ai--Agent-S":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",158594,2,"2026-04-16T23:34:05",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":94,"env_os":95,"env_gpu":96,"env_ram":97,"env_deps":98,"category_tags":105,"github_topics":107,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":120,"updated_at":121,"faqs":122,"releases":143},8225,"simular-ai\u002FAgent-S","Agent-S","Agent S: an open agentic framework that uses computers like a human","Agent S 是一个开源的智能体框架，旨在让 AI 像人类一样直接操作电脑。它能够通过视觉识别屏幕内容，并自主控制鼠标和键盘来完成跨应用程序的复杂任务，从而解决了传统自动化工具依赖固定规则、难以适应动态图形界面（GUI）的痛点。无论是处理繁琐的日常办公流程，还是执行需要多步骤判断的系统操作，Agent S 都能灵活应对。\n\n该工具特别适合开发者、AI 研究人员以及希望探索自动化边界的极客用户。开发者可利用其构建更强大的计算机使用代理（CUA），研究人员则能基于其在 OSWorld 等基准测试中的表现进行深入分析。虽然普通用户目前主要通过云端体验其能力，但其开源特性为未来集成到各类桌面应用中奠定了基础。\n\nAgent S 最显著的技术亮点在于其卓越的绩效表现：最新版本的 Agent S3 在 OSWorld 基准测试中取得了 72.60% 的分数，成为首个超越人类平均水平的 AI 智能体。此外，它支持 Windows、macOS 和 Linux 全平台，具备出色的泛化能力和执行效率，代表了当前电脑操作自动化领域的最高水准。","\u003Ch1 align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_224a7924dc4c.png\" alt=\"Logo\" style=\"vertical-align:middle\" width=\"60\"> Agent S:\n  \u003Csmall>Use Computer Like a Human\u003C\u002Fsmall>\n\u003C\u002Fh1>\n\n\u003Ch2 align=\"center\">🏆 Agent S3: First to Surpass Human Performance on OSWorld (72.60%)\u003C\u002Fh2>\n\n\u003Cp align=\"center\"> \n  🌐 \u003Ca href=\"https:\u002F\u002Fwww.simular.ai\u002Farticles\u002Fagent-s3\">[S3 blog]\u003C\u002Fa> \n  📄 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2510.02250\">[S3 Paper]\u003C\u002Fa> \n  🎥 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=VHr0a3UBsh4\">[S3 Video]\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\"> \n  🌐 \u003Ca href=\"https:\u002F\u002Fwww.simular.ai\u002Farticles\u002Fagent-s2-technical-review\">[S2 blog]\u003C\u002Fa> \n  📄 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906\">[S2 Paper (COLM 2025)]\u003C\u002Fa> \n  🎥 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=wUGVQl7c0eg\">[S2 Video]\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\"> \n  🌐 \u003Ca href=\"https:\u002F\u002Fwww.simular.ai\u002Fagent-s\">[S1 blog]\u003C\u002Fa> \n  📄 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164\">[S1 Paper (ICLR 2025)]\u003C\u002Fa> \n  🎥 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=OBDE3Knte0g\">[S1 Video]\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\"> \n\u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F13151\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_4cc089988f35.png\" alt=\"simular-ai%2FAgent-S | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOS-Windows-blue?logo=windows&logoColor=white\" alt=\"Windows\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOS-macOS-black?logo=apple&logoColor=white\" alt=\"macOS\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOS-Linux-yellow?logo=linux&logoColor=black\" alt=\"Linux\">\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FE2XfsK9fPV\">\n    \u003Cimg src=\"https:\u002F\u002Fdcbadge.limes.pink\u002Fapi\u002Fserver\u002Fhttps:\u002F\u002Fdiscord.gg\u002FE2XfsK9fPV?style=flat\" alt=\"Discord\">\n  \u003C\u002Fa>\n    \n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fprojects\u002Fgui-agents\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_7a9c5045e66f.png\" alt=\"PyPI Downloads\">\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cdiv align=\"center\">\n  \u003C!-- Keep these links. Translations will automatically update with the README. -->\n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=de\">Deutsch\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=es\">Español\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=fr\">français\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=ja\">日本語\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=ko\">한국어\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=pt\">Português\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=ru\">Русский\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=zh\">中文\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n    \n\u003Cp>Skip the setup? Try Agent S in \u003Ca href=\"https:\u002F\u002Fcloud.simular.ai\u002F\">Simular Cloud\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## 🥳 Updates\n- [x] **2025\u002F12\u002F15**: Agent S3 is the **first** to surpass human-level performance on OSWorld with an impressive score of **72.60%**!\n- [x] **2025\u002F10\u002F02**: Released Agent S3 and its [technical paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2510.02250), setting a new SOTA of **69.9%** on OSWorld (approaching 72% human performance), with strong generalizability on WindowsAgentArena and AndroidWorld! It is also simpler, faster, and more flexible.\n- [x] **2025\u002F08\u002F01**: Agent S2.5 is released (gui-agents v0.2.5): simpler, better, and faster! New SOTA on [OSWorld-Verified](https:\u002F\u002Fos-world.github.io)!\n- [x] **2025\u002F07\u002F07**: The [Agent S2 paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906) is accepted to COLM 2025! See you in Montreal!\n- [x] **2025\u002F04\u002F27**: The Agent S paper won the Best Paper Award 🏆 at ICLR 2025 Agentic AI for Science Workshop!\n- [x] **2025\u002F04\u002F01**: Released the [Agent S2 paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906) with new SOTA results on OSWorld, WindowsAgentArena, and AndroidWorld!\n- [x] **2025\u002F03\u002F12**: Released Agent S2 along with v0.2.0 of [gui-agents](https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S), the new state-of-the-art for computer use agents (CUA), outperforming OpenAI's CUA\u002FOperator and Anthropic's Claude 3.7 Sonnet Computer-Use!\n- [x] **2025\u002F01\u002F22**: The [Agent S paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164) is accepted to ICLR 2025!\n- [x] **2025\u002F01\u002F21**: Released v0.1.2 of [gui-agents](https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S) library, with support for Linux and Windows!\n- [x] **2024\u002F12\u002F05**: Released v0.1.0 of [gui-agents](https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S) library, allowing you to use Agent-S for Mac, OSWorld, and WindowsAgentArena with ease!\n- [x] **2024\u002F10\u002F10**: Released the [Agent S paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164) and codebase!\n\n## Table of Contents\n\n1. [💡 Introduction](#-introduction)\n2. [🎯 Current Results](#-current-results)\n3. [🛠️ Installation & Setup](#%EF%B8%8F-installation--setup) \n4. [🚀 Usage](#-usage)\n5. [🤝 Acknowledgements](#-acknowledgements)\n6. [💬 Citation](#-citation)\n\n## 💡 Introduction\n\nWelcome to **Agent S**, an open-source framework designed to enable autonomous interaction with computers through Agent-Computer Interface. Our mission is to build intelligent GUI agents that can learn from past experiences and perform complex tasks autonomously on your computer. \n\nWhether you're interested in AI, automation, or contributing to cutting-edge agent-based systems, we're excited to have you here!\n\n## 🎯 Current Results\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_67939677790d.png\" alt=\"Agent S3 Results\" width=\"700\"\u002F>\n\u003C\u002Fp>\n\nOn OSWorld, Agent S3 alone reaches 66% in the 100-step setting, already exceeding the previous state of the art of 63.4% (GTA1 w\u002F GPT-5). With the addition of Behavior Best-of-N, performance climbs even higher to 72.6%, *surpassing* human-level performance on OSWorld (~72%)!\n\nAgent S3 also demonstrates strong zero-shot generalization! On WindowsAgentArena, accuracy rises from 50.2% using only Agent S3 to 56.6% by selecting from 3 rollouts. Similarly on AndroidWorld, performance improves from 68.1% to 71.6%\n\n## 🛠️ Installation & Setup\n\n### Prerequisites\n- **Single Monitor**: Our agent is designed for single monitor screens\n- **Security**: The agent runs Python code to control your computer - use with care\n- **Supported Platforms**: Linux, Mac, and Windows\n\n\n### Installation\nTo install Agent S3 without cloning the repository, run\n```bash\npip install gui-agents\n```\nIf you would like to test Agent S3 while making changes, clone the repository and install using\n```\npip install -e .\n```\n\nDon't forget to also `brew install tesseract`! Pytesseract requires this extra installation to work.\n\n### API Configuration\n\n#### Option 1: Environment Variables\nAdd to your `.bashrc` (Linux) or `.zshrc` (MacOS):\n```bash\nexport OPENAI_API_KEY=\u003CYOUR_API_KEY>\nexport ANTHROPIC_API_KEY=\u003CYOUR_ANTHROPIC_API_KEY>\nexport HF_TOKEN=\u003CYOUR_HF_TOKEN>\n```\n\n#### Option 2: Python Script\n```python\nimport os\nos.environ[\"OPENAI_API_KEY\"] = \"\u003CYOUR_API_KEY>\"\n```\n\n### Supported Models\nWe support Azure OpenAI, Anthropic, Gemini, Open Router, and vLLM inference. See [models.md](models.md) for details.\n\n### Grounding Models (Required)\nFor optimal performance, we recommend [UI-TARS-1.5-7B](https:\u002F\u002Fhuggingface.co\u002FByteDance-Seed\u002FUI-TARS-1.5-7B) hosted on Hugging Face Inference Endpoints or another provider. See [Hugging Face Inference Endpoints](https:\u002F\u002Fhuggingface.co\u002Flearn\u002Fcookbook\u002Fen\u002Fenterprise_dedicated_endpoints) for setup instructions.\n\n## 🚀 Usage\n\n\n> ⚡️ **Recommended Setup:**  \n> For the best configuration, we recommend using **OpenAI gpt-5-2025-08-07** as the main model, paired with **UI-TARS-1.5-7B** for grounding.  \n\n\n### CLI\n\nNote, this is running Agent S3, our improved agent, without bBoN. \n\nRun Agent S3 with the required parameters:\n\n```bash\nagent_s \\\n    --provider openai \\\n    --model gpt-5-2025-08-07 \\\n    --ground_provider huggingface \\\n    --ground_url http:\u002F\u002Flocalhost:8080 \\\n    --ground_model ui-tars-1.5-7b \\\n    --grounding_width 1920 \\\n    --grounding_height 1080\n```\n\n#### Local Coding Environment (Optional)\nFor tasks that require code execution (e.g., data processing, file manipulation, system automation), you can enable the local coding environment:\n\n```bash\nagent_s \\\n    --provider openai \\\n    --model gpt-5-2025-08-07 \\\n    --ground_provider huggingface \\\n    --ground_url http:\u002F\u002Flocalhost:8080 \\\n    --ground_model ui-tars-1.5-7b \\\n    --grounding_width 1920 \\\n    --grounding_height 1080 \\\n    --enable_local_env\n```\n\n⚠️ **WARNING**: The local coding environment executes arbitrary Python and Bash code locally on your machine. Only use this feature in trusted environments and with trusted inputs.\n\n#### Required Parameters\n- **`--provider`**: Main generation model provider (e.g., openai, anthropic, etc.) - Default: \"openai\"\n- **`--model`**: Main generation model name (e.g., gpt-5-2025-08-07) - Default: \"gpt-5-2025-08-07\"\n- **`--ground_provider`**: The provider for the grounding model - **Required**\n- **`--ground_url`**: The URL of the grounding model - **Required**\n- **`--ground_model`**: The model name for the grounding model - **Required**\n- **`--grounding_width`**: Width of the output coordinate resolution from the grounding model - **Required**\n- **`--grounding_height`**: Height of the output coordinate resolution from the grounding model - **Required**\n\n#### Optional Parameters\n- **`--model_temperature`**: The temperature to fix all model calls to (necessary to set to 1.0 for models like o3 but can be left blank for other models)\n\n#### Grounding Model Dimensions\nThe grounding width and height should match the output coordinate resolution of your grounding model:\n- **UI-TARS-1.5-7B**: Use `--grounding_width 1920 --grounding_height 1080`\n- **UI-TARS-72B**: Use `--grounding_width 1000 --grounding_height 1000`\n\n#### Optional Parameters\n- **`--model_url`**: Custom API URL for main generation model - Default: \"\"\n- **`--model_api_key`**: API key for main generation model - Default: \"\"\n- **`--ground_api_key`**: API key for grounding model endpoint - Default: \"\"\n- **`--max_trajectory_length`**: Maximum number of image turns to keep in trajectory - Default: 8\n- **`--enable_reflection`**: Enable reflection agent to assist the worker agent - Default: True\n- **`--enable_local_env`**: Enable local coding environment for code execution (WARNING: Executes arbitrary code locally) - Default: False\n\n#### Local Coding Environment Details\nThe local coding environment enables Agent S3 to execute Python and Bash code directly on your machine. This is particularly useful for:\n\n- **Data Processing**: Manipulating spreadsheets, CSV files, or databases\n- **File Operations**: Bulk file processing, content extraction, or file organization\n- **System Automation**: Configuration changes, system setup, or automation scripts\n- **Code Development**: Writing, editing, or executing code files\n- **Text Processing**: Document manipulation, content editing, or formatting\n\nWhen enabled, the agent can use the `call_code_agent` action to execute code blocks for tasks that can be completed through programming rather than GUI interaction.\n\n**Requirements:**\n- **Python**: The same Python interpreter used to run Agent S3 (automatically detected)\n- **Bash**: Available at `\u002Fbin\u002Fbash` (standard on macOS and Linux)\n- **System Permissions**: The agent runs with the same permissions as the user executing it\n\n**Security Considerations:**\n- The local environment executes arbitrary code with the same permissions as the user running the agent\n- Only enable this feature in trusted environments\n- Be cautious when the agent generates code for system-level operations\n- Consider running in a sandboxed environment for untrusted tasks\n- Bash scripts are executed with a 30-second timeout to prevent hanging processes\n\n### `gui_agents` SDK\n\nFirst, we import the necessary modules. `AgentS3` is the main agent class for Agent S3. `OSWorldACI` is our grounding agent that translates agent actions into executable python code.\n```python\nimport pyautogui\nimport io\nfrom gui_agents.s3.agents.agent_s import AgentS3\nfrom gui_agents.s3.agents.grounding import OSWorldACI\nfrom gui_agents.s3.utils.local_env import LocalEnv  # Optional: for local coding environment\n\n# Load in your API keys.\nfrom dotenv import load_dotenv\nload_dotenv()\n\ncurrent_platform = \"linux\"  # \"darwin\", \"windows\"\n```\n\nNext, we define our engine parameters. `engine_params` is used for the main agent, and `engine_params_for_grounding` is for grounding. For `engine_params_for_grounding`, we support custom endpoints like HuggingFace TGI, vLLM, and Open Router.\n\n```python\nengine_params = {\n  \"engine_type\": provider,\n  \"model\": model,\n  \"base_url\": model_url,           # Optional\n  \"api_key\": model_api_key,        # Optional\n  \"temperature\": model_temperature # Optional\n}\n\n# Load the grounding engine from a custom endpoint\nground_provider = \"\u003Cyour_ground_provider>\"\nground_url = \"\u003Cyour_ground_url>\"\nground_model = \"\u003Cyour_ground_model>\"\nground_api_key = \"\u003Cyour_ground_api_key>\"\n\n# Set grounding dimensions based on your model's output coordinate resolution\n# UI-TARS-1.5-7B: grounding_width=1920, grounding_height=1080\n# UI-TARS-72B: grounding_width=1000, grounding_height=1000\ngrounding_width = 1920  # Width of output coordinate resolution\ngrounding_height = 1080  # Height of output coordinate resolution\n\nengine_params_for_grounding = {\n  \"engine_type\": ground_provider,\n  \"model\": ground_model,\n  \"base_url\": ground_url,\n  \"api_key\": ground_api_key,  # Optional\n  \"grounding_width\": grounding_width,\n  \"grounding_height\": grounding_height,\n}\n```\n\nThen, we define our grounding agent and Agent S3.\n\n```python\n# Optional: Enable local coding environment\nenable_local_env = False  # Set to True to enable local code execution\nlocal_env = LocalEnv() if enable_local_env else None\n\ngrounding_agent = OSWorldACI(\n    env=local_env,  # Pass local_env for code execution capability\n    platform=current_platform,\n    engine_params_for_generation=engine_params,\n    engine_params_for_grounding=engine_params_for_grounding,\n    width=1920,  # Optional: screen width\n    height=1080  # Optional: screen height\n)\n\nagent = AgentS3(\n    engine_params,\n    grounding_agent,\n    platform=current_platform,\n    max_trajectory_length=8,  # Optional: maximum image turns to keep\n    enable_reflection=True     # Optional: enable reflection agent\n)\n```\n\nFinally, let's query the agent!\n\n```python\n# Get screenshot.\nscreenshot = pyautogui.screenshot()\nbuffered = io.BytesIO() \nscreenshot.save(buffered, format=\"PNG\")\nscreenshot_bytes = buffered.getvalue()\n\nobs = {\n  \"screenshot\": screenshot_bytes,\n}\n\ninstruction = \"Close VS Code\"\ninfo, action = agent.predict(instruction=instruction, observation=obs)\n\nexec(action[0])\n```\n\nRefer to `gui_agents\u002Fs3\u002Fcli_app.py` for more details on how the inference loop works.\n\n### OSWorld\n\nTo deploy Agent S3 in OSWorld, follow the [OSWorld Deployment instructions](osworld_setup\u002Fs3\u002FOSWorld.md).\n\n## 💬 Citations\n\nIf you find this codebase useful, please cite:\n\n```\n@misc{Agent-S3,\n      title={The Unreasonable Effectiveness of Scaling Agents for Computer Use}, \n      author={Gonzalo Gonzalez-Pumariega and Vincent Tu and Chih-Lun Lee and Jiachen Yang and Ang Li and Xin Eric Wang},\n      year={2025},\n      eprint={2510.02250},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2510.02250}, \n}\n\n@misc{Agent-S2,\n      title={Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents}, \n      author={Saaket Agashe and Kyle Wong and Vincent Tu and Jiachen Yang and Ang Li and Xin Eric Wang},\n      year={2025},\n      eprint={2504.00906},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906}, \n}\n\n@inproceedings{Agent-S,\n    title={{Agent S: An Open Agentic Framework that Uses Computers Like a Human}},\n    author={Saaket Agashe and Jiuzhou Han and Shuyu Gan and Jiachen Yang and Ang Li and Xin Eric Wang},\n    booktitle={International Conference on Learning Representations (ICLR)},\n    year={2025},\n    url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164}\n}\n```\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_9b83a3d356b7.png)](https:\u002F\u002Fstar-history.com\u002F#simular-ai\u002FAgent-S&Date)\n","\u003Ch1 align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_224a7924dc4c.png\" alt=\"Logo\" style=\"vertical-align:middle\" width=\"60\"> Agent S:\n  \u003Csmall>像人类一样使用电脑\u003C\u002Fsmall>\n\u003C\u002Fh1>\n\n\u003Ch2 align=\"center\">🏆 Agent S3：首个在OSWorld上超越人类表现（72.60%）\u003C\u002Fh2>\n\n\u003Cp align=\"center\"> \n  🌐 \u003Ca href=\"https:\u002F\u002Fwww.simular.ai\u002Farticles\u002Fagent-s3\">[S3博客]\u003C\u002Fa> \n  📄 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2510.02250\">[S3论文]\u003C\u002Fa> \n  🎥 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=VHr0a3UBsh4\">[S3视频]\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\"> \n  🌐 \u003Ca href=\"https:\u002F\u002Fwww.simular.ai\u002Farticles\u002Fagent-s2-technical-review\">[S2博客]\u003C\u002Fa> \n  📄 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906\">[S2论文（COLM 2025）]\u003C\u002Fa> \n  🎥 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=wUGVQl7c0eg\">[S2视频]\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\"> \n  🌐 \u003Ca href=\"https:\u002F\u002Fwww.simular.ai\u002Fagent-s\">[S1博客]\u003C\u002Fa> \n  📄 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164\">[S1论文（ICLR 2025）]\u003C\u002Fa> \n  🎥 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=OBDE3Knte0g\">[S1视频]\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\"> \n\u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F13151\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_4cc089988f35.png\" alt=\"simular-ai%2FAgent-S | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOS-Windows-blue?logo=windows&logoColor=white\" alt=\"Windows\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOS-macOS-black?logo=apple&logoColor=white\" alt=\"macOS\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOS-Linux-yellow?logo=linux&logoColor=black\" alt=\"Linux\">\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FE2XfsK9fPV\">\n    \u003Cimg src=\"https:\u002F\u002Fdcbadge.limes.pink\u002Fapi\u002Fserver\u002Fhttps:\u002F\u002Fdiscord.gg\u002FE2XfsK9fPV?style=flat\" alt=\"Discord\">\n  \u003C\u002Fa>\n    \n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fprojects\u002Fgui-agents\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_7a9c5045e66f.png\" alt=\"PyPI Downloads\">\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cdiv align=\"center\">\n  \u003C!-- Keep these links. Translations will automatically update with the README. -->\n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=de\">Deutsch\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=es\">Español\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=fr\">français\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=ja\">日本語\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=ko\">한국어\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=pt\">Português\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=ru\">Русский\u003C\u002Fa> | \n  \u003Ca href=\"https:\u002F\u002Fwww.readme-i18n.com\u002Fsimular-ai\u002FAgent-S?lang=zh\">中文\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n    \n\u003Cp>跳过设置？试试在\u003Ca href=\"https:\u002F\u002Fcloud.simular.ai\u002F\">Simular Cloud\u003C\u002Fa>中使用的Agent S\u003C\u002Fdiv>\n\n## 🥳 更新\n- [x] **2025\u002F12\u002F15**: Agent S3是**首个**在OSWorld上以令人印象深刻的**72.60%**成绩超越人类水平表现的模型！\n- [x] **2025\u002F10\u002F02**: 发布了Agent S3及其[技术论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2510.02250)，在OSWorld上创造了新的SOTA记录——**69.9%**（接近72%的人类表现），同时在WindowsAgentArena和AndroidWorld上也展现出强大的泛化能力！此外，它更加简单、快速且灵活。\n- [x] **2025\u002F08\u002F01**: Agent S2.5发布（gui-agents v0.2.5）：更简单、更好、更快！在[OSWorld-Verified](https:\u002F\u002Fos-world.github.io)上创下新SOTA。\n- [x] **2025\u002F07\u002F07**: [Agent S2论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906)已被COLM 2025接收！蒙特利尔见！\n- [x] **2025\u002F04\u002F27**: Agent S论文荣获ICLR 2025 Agentic AI for Science Workshop的最佳论文奖🏆！\n- [x] **2025\u002F04\u002F01**: 发布了[Agent S2论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906)，并在OSWorld、WindowsAgentArena和AndroidWorld上取得了新的SOTA结果！\n- [x] **2025\u002F03\u002F12**: 发布了Agent S2以及[v0.2.0版的gui-agents](https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S)，成为当前计算机使用代理（CUA）领域的最新技术水平，性能超越了OpenAI的CUA\u002FOperator和Anthropic的Claude 3.7 Sonnet Computer-Use！\n- [x] **2025\u002F01\u002F22**: [Agent S论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164)已被ICLR 2025接收！\n- [x] **2025\u002F01\u002F21**: 发布了[v0.1.2版的gui-agents](https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S)库，新增对Linux和Windows的支持！\n- [x] **2024\u002F12\u002F05**: 发布了[v0.1.0版的gui-agents](https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S)库，使您能够轻松地在Mac、OSWorld和WindowsAgentArena上使用Agent S！\n- [x] **2024\u002F10\u002F10**: 发布了[Agent S论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164)及代码库！\n\n## 目录\n\n1. [💡 简介](#-introduction)\n2. [🎯 当前成果](#-current-results)\n3. [🛠️ 安装与设置](#%EF%B8%8F-installation--setup) \n4. [🚀 使用方法](#-usage)\n5. [🤝 致谢](#-acknowledgements)\n6. [💬 引用](#-citation)\n\n## 💡 简介\n\n欢迎来到**Agent S**，这是一个开源框架，旨在通过代理-计算机界面实现与计算机的自主交互。我们的使命是构建智能GUI代理，使其能够从过往经验中学习，并在您的计算机上自主完成复杂任务。\n\n无论您对人工智能、自动化感兴趣，还是希望为前沿的基于代理的系统做出贡献，我们都热烈欢迎您加入！\n\n## 🎯 当前成果\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_67939677790d.png\" alt=\"Agent S3 Results\" width=\"700\"\u002F>\n\u003C\u002Fp>\n\n在OSWorld上，仅使用Agent S3在100步设置下即可达到66%，已超过此前的最先进水平63.4%（GTA1 w\u002F GPT-5）。而通过结合行为Best-of-N策略，性能进一步提升至72.6%，*超越*了OSWorld上的人类水平表现（约72%）！\n\nAgent S3还展现了强大的零样本泛化能力！在WindowsAgentArena上，仅使用Agent S3时准确率为50.2%，但通过从3次运行结果中选择最佳方案，准确率可提升至56.6%。同样地，在AndroidWorld上，性能也从68.1%提高到71.6%。\n\n## 🛠️ 安装与设置\n\n### 前提条件\n- **单显示器**：我们的代理专为单显示器屏幕设计\n- **安全性**：代理会运行Python代码来控制您的电脑，请谨慎使用\n- **支持平台**：Linux、Mac和Windows\n\n\n### 安装\n若不希望克隆仓库直接安装Agent S3，可运行：\n```bash\npip install gui-agents\n```\n如果您想在修改代码的同时测试Agent S3，可以先克隆仓库，然后使用以下命令进行安装：\n```\npip install -e .\n```\n\n别忘了还要`brew install tesseract`！Pytesseract需要此额外安装才能正常工作。\n\n### API配置\n\n#### 选项1：环境变量\n将以下内容添加到您的`.bashrc`（Linux）或`.zshrc`（MacOS）中：\n```bash\nexport OPENAI_API_KEY=\u003CYOUR_API_KEY>\nexport ANTHROPIC_API_KEY=\u003CYOUR_ANTHROPIC_API_KEY>\nexport HF_TOKEN=\u003CYOUR_HF_TOKEN>\n```\n\n#### 选项2：Python脚本\n```python\nimport os\nos.environ[\"OPENAI_API_KEY\"] = \"\u003CYOUR_API_KEY>\"\n```\n\n### 支持的模型\n我们支持Azure OpenAI、Anthropic、Gemini、Open Router以及vLLM推理。详细信息请参阅[model.md](models.md)。\n\n### 接地模型（必填）\n为获得最佳性能，我们推荐使用 Hugging Face 推理端点或其他提供商托管的 [UI-TARS-1.5-7B](https:\u002F\u002Fhuggingface.co\u002FByteDance-Seed\u002FUI-TARS-1.5-7B)。有关设置说明，请参阅 [Hugging Face 推理端点](https:\u002F\u002Fhuggingface.co\u002Flearn\u002Fcookbook\u002Fen\u002Fenterprise_dedicated_endpoints)。\n\n## 🚀 使用方法\n\n\n> ⚡️ **推荐配置：**  \n> 为了达到最佳效果，我们建议将 **OpenAI gpt-5-2025-08-07** 作为主模型，并搭配 **UI-TARS-1.5-7B** 进行接地。  \n\n\n### 命令行界面\n\n请注意，此处运行的是我们改进后的智能体 Agent S3，未启用 bBoN 功能。\n\n使用所需参数运行 Agent S3：\n\n```bash\nagent_s \\\n    --provider openai \\\n    --model gpt-5-2025-08-07 \\\n    --ground_provider huggingface \\\n    --ground_url http:\u002F\u002Flocalhost:8080 \\\n    --ground_model ui-tars-1.5-7b \\\n    --grounding_width 1920 \\\n    --grounding_height 1080\n```\n\n#### 本地编码环境（可选）\n对于需要执行代码的任务（例如数据处理、文件操作、系统自动化），您可以启用本地编码环境：\n\n```bash\nagent_s \\\n    --provider openai \\\n    --model gpt-5-2025-08-07 \\\n    --ground_provider huggingface \\\n    --ground_url http:\u002F\u002Flocalhost:8080 \\\n    --ground_model ui-tars-1.5-7b \\\n    --grounding_width 1920 \\\n    --grounding_height 1080 \\\n    --enable_local_env\n```\n\n⚠️ **警告**：本地编码环境会在您的本地机器上执行任意 Python 和 Bash 代码。请仅在受信任的环境中并使用受信任的输入时使用此功能。\n\n#### 必需参数\n- **`--provider`**：主生成模型提供商（例如 openai、anthropic 等） - 默认值：“openai”\n- **`--model`**：主生成模型名称（例如 gpt-5-2025-08-07） - 默认值：“gpt-5-2025-08-07”\n- **`--ground_provider`**：接地模型的提供商 - **必填**\n- **`--ground_url`**：接地模型的 URL - **必填**\n- **`--ground_model`**：接地模型的名称 - **必填**\n- **`--grounding_width`**：接地模型输出坐标分辨率的宽度 - **必填**\n- **`--grounding_height`**：接地模型输出坐标分辨率的高度 - **必填**\n\n#### 可选参数\n- **`--model_temperature`**：所有模型调用的温度固定值（对于 o3 等模型必须设置为 1.0，其他模型可留空）\n\n#### 接地模型尺寸\n接地宽度和高度应与您接地模型的输出坐标分辨率匹配：\n- **UI-TARS-1.5-7B**：使用 `--grounding_width 1920 --grounding_height 1080`\n- **UI-TARS-72B**：使用 `--grounding_width 1000 --grounding_height 1000`\n\n#### 其他可选参数\n- **`--model_url`**：主生成模型的自定义 API URL - 默认值：“”\n- **`--model_api_key`**：主生成模型的 API 密钥 - 默认值：“”\n- **`--ground_api_key`**：接地模型端点的 API 密钥 - 默认值：“”\n- **`--max_trajectory_length`**：轨迹中保留的最大图像轮次数 - 默认值：8\n- **`--enable_reflection`**：启用反思代理协助工作代理 - 默认值：真\n- **`--enable_local_env`**：启用本地编码环境以执行代码（警告：会在本地执行任意代码） - 默认值：假\n\n#### 本地编码环境详情\n本地编码环境使 Agent S3 能够直接在您的机器上执行 Python 和 Bash 代码。这尤其适用于以下场景：\n\n- **数据处理**：操作电子表格、CSV 文件或数据库\n- **文件操作**：批量文件处理、内容提取或文件整理\n- **系统自动化**：配置更改、系统设置或自动化脚本\n- **代码开发**：编写、编辑或执行代码文件\n- **文本处理**：文档操作、内容编辑或格式化\n\n启用后，该智能体可以使用 `call_code_agent` 操作来执行代码块，完成那些可以通过编程而非 GUI 交互来实现的任务。\n\n**要求：**\n- **Python**：与运行 Agent S3 相同的 Python 解释器（自动检测）\n- **Bash**：位于 `\u002Fbin\u002Fbash`（macOS 和 Linux 上的标准路径）\n- **系统权限**：该智能体将以与其用户相同的权限运行\n\n**安全注意事项：**\n- 本地环境会以与运行该智能体的用户相同的权限执行任意代码\n- 仅在受信任的环境中启用此功能\n- 当智能体生成用于系统级操作的代码时要格外小心\n- 对于不受信任的任务，建议在沙盒环境中运行\n- Bash 脚本将被限制在 30 秒内执行完毕，以防止进程挂起\n\n### `gui_agents` SDK\n\n首先，我们导入必要的模块。`AgentS3` 是 Agent S3 的主智能体类。`OSWorldACI` 是我们的接地智能体，负责将智能体动作转换为可执行的 Python 代码。\n```python\nimport pyautogui\nimport io\nfrom gui_agents.s3.agents.agent_s import AgentS3\nfrom gui_agents.s3.agents.grounding import OSWorldACI\nfrom gui_agents.s3.utils.local_env import LocalEnv  # 可选：用于本地编码环境\n\n# 加载您的 API 密钥。\nfrom dotenv import load_dotenv\nload_dotenv()\n\ncurrent_platform = \"linux\"  # \"darwin\", \"windows\"\n```\n\n接下来，我们定义引擎参数。`engine_params` 用于主智能体，而 `engine_params_for_grounding` 则用于接地部分。对于 `engine_params_for_grounding`，我们支持自定义端点，如 HuggingFace TGI、vLLM 和 Open Router。\n\n```python\nengine_params = {\n  \"engine_type\": provider,\n  \"model\": model,\n  \"base_url\": model_url,           # 可选\n  \"api_key\": model_api_key,        # 可选\n  \"temperature\": model_temperature # 可选\n}\n\n# 从自定义端点加载接地引擎\nground_provider = \"\u003Cyour_ground_provider>\"\nground_url = \"\u003Cyour_ground_url>\"\nground_model = \"\u003Cyour_ground_model>\"\nground_api_key = \"\u003Cyour_ground_api_key>\"\n\n# 根据您模型的输出坐标分辨率设置接地尺寸\n# UI-TARS-1.5-7B：grounding_width=1920，grounding_height=1080\n# UI-TARS-72B：grounding_width=1000，grounding_height=1000\ngrounding_width = 1920  # 输出坐标分辨率的宽度\ngrounding_height = 1080  # 输出坐标分辨率的高度\n\nengine_params_for_grounding = {\n  \"engine_type\": ground_provider,\n  \"model\": ground_model,\n  \"base_url\": ground_url,\n  \"api_key\": ground_api_key,  # 可选\n  \"grounding_width\": grounding_width,\n  \"grounding_height\": grounding_height,\n}\n```\n\n然后，我们定义接地智能体和 Agent S3。\n\n```python\n\n# 可选：启用本地编码环境\nenable_local_env = False  # 设置为 True 以启用本地代码执行\nlocal_env = LocalEnv() if enable_local_env else None\n\ngrounding_agent = OSWorldACI(\n    env=local_env,  # 传递 local_env 以获得代码执行能力\n    platform=current_platform,\n    engine_params_for_generation=engine_params,\n    engine_params_for_grounding=engine_params_for_grounding,\n    width=1920,  # 可选：屏幕宽度\n    height=1080  # 可选：屏幕高度\n)\n\nagent = AgentS3(\n    engine_params,\n    grounding_agent,\n    platform=current_platform,\n    max_trajectory_length=8,  # 可选：最多保留的图像轮次\n    enable_reflection=True     # 可选：启用反思代理\n)\n```\n\n最后，让我们查询该代理！\n\n```python\n# 获取屏幕截图。\nscreenshot = pyautogui.screenshot()\nbuffered = io.BytesIO() \nscreenshot.save(buffered, format=\"PNG\")\nscreenshot_bytes = buffered.getvalue()\n\nobs = {\n  \"screenshot\": screenshot_bytes,\n}\n\ninstruction = \"关闭 VS Code\"\ninfo, action = agent.predict(instruction=instruction, observation=obs)\n\nexec(action[0])\n```\n\n有关推理循环如何工作的更多详细信息，请参阅 `gui_agents\u002Fs3\u002Fcli_app.py`。\n\n### OSWorld\n\n要在 OSWorld 中部署 Agent S3，请按照 [OSWorld 部署说明](osworld_setup\u002Fs3\u002FOSWorld.md) 进行操作。\n\n## 💬 引用\n\n如果您觉得这个代码库有用，请引用以下文献：\n\n```\n@misc{Agent-S3,\n      title={计算机使用代理规模化的不合理有效性}, \n      author={Gonzalo Gonzalez-Pumariega 和 Vincent Tu、Chih-Lun Lee、Jiachen Yang、Ang Li 和 Xin Eric Wang},\n      year={2025},\n      eprint={2510.02250},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2510.02250}, \n}\n\n@misc{Agent-S2,\n      title={Agent S2：用于计算机使用代理的组合式通才-专才框架}, \n      author={Saaket Agashe、Kyle Wong、Vincent Tu、Jiachen Yang、Ang Li 和 Xin Eric Wang},\n      year={2025},\n      eprint={2504.00906},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.00906}, \n}\n\n@inproceedings{Agent-S,\n    title={{Agent S：一个像人类一样使用计算机的开放代理框架}},\n    author={Saaket Agashe、Jiuzhou Han、Shuyu Gan、Jiachen Yang、Ang Li 和 Xin Eric Wang},\n    booktitle={国际学习表征会议（ICLR）},\n    year={2025},\n    url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.08164}\n}\n```\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_readme_9b83a3d356b7.png)](https:\u002F\u002Fstar-history.com\u002F#simular-ai\u002FAgent-S&Date)","# Agent S 快速上手指南\n\nAgent S 是一个开源框架，旨在通过智能体 - 计算机接口（Agent-Computer Interface）实现自主的电脑操作。最新版本的 **Agent S3** 在 OSWorld 基准测试中首次超越人类表现（72.60%），支持 Windows、macOS 和 Linux。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**：Linux、macOS 或 Windows\n- **显示器**：仅支持单显示器环境\n- **安全提示**：代理将运行 Python 代码控制您的电脑，请在受信任的环境中谨慎使用\n\n### 前置依赖\n1. **Python 环境**：确保已安装 Python（用于运行 Agent S3 的解释器将被自动检测）\n2. **Tesseract OCR**：Pytesseract 依赖此项，必须安装\n   - macOS: `brew install tesseract`\n   - Linux (Ubuntu\u002FDebian): `sudo apt-get install tesseract-ocr`\n   - Windows: 下载并安装 [Tesseract 安装包](https:\u002F\u002Fgithub.com\u002FUB-Mannheim\u002Ftesseract\u002Fwiki)\n3. **API Keys**：准备以下密钥之一或多个\n   - OpenAI API Key\n   - Anthropic API Key\n   - Hugging Face Token (用于部署 Grounding 模型)\n\n## 安装步骤\n\n### 方式一：直接安装（推荐）\n无需克隆仓库，直接通过 pip 安装：\n```bash\npip install gui-agents\n```\n\n### 方式二：源码安装（开发模式）\n如需修改代码或测试最新功能：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S.git\ncd Agent-S\npip install -e .\n```\n\n> **国内加速建议**：如果下载缓慢，可使用国内镜像源安装：\n> ```bash\n> pip install gui-agents -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 配置 API 密钥\n\n**选项 1：环境变量（推荐）**\n在 `~\u002F.bashrc` (Linux) 或 `~\u002F.zshrc` (macOS) 中添加：\n```bash\nexport OPENAI_API_KEY=\u003CYOUR_API_KEY>\nexport ANTHROPIC_API_KEY=\u003CYOUR_ANTHROPIC_API_KEY>\nexport HF_TOKEN=\u003CYOUR_HF_TOKEN>\n```\n然后执行 `source ~\u002F.bashrc` 或 `source ~\u002F.zshrc` 生效。\n\n**选项 2：Python 脚本内配置**\n```python\nimport os\nos.environ[\"OPENAI_API_KEY\"] = \"\u003CYOUR_API_KEY>\"\n```\n\n### 部署 Grounding 模型（必需）\n为获得最佳性能，推荐部署 **UI-TARS-1.5-7B** 模型。\n- 推荐使用 [Hugging Face Inference Endpoints](https:\u002F\u002Fhuggingface.co\u002Flearn\u002Fcookbook\u002Fen\u002Fenterprise_dedicated_endpoints) 托管。\n- 记录生成的 Endpoint URL，后续启动时需填入 `--ground_url`。\n\n## 基本使用\n\n### 命令行启动 (CLI)\n\n以下命令使用推荐的 **OpenAI gpt-5-2025-08-07** 作为主模型，配合 **UI-TARS-1.5-7B** 进行视觉定位：\n\n```bash\nagent_s \\\n    --provider openai \\\n    --model gpt-5-2025-08-07 \\\n    --ground_provider huggingface \\\n    --ground_url http:\u002F\u002Flocalhost:8080 \\\n    --ground_model ui-tars-1.5-7b \\\n    --grounding_width 1920 \\\n    --grounding_height 1080\n```\n\n#### 参数说明\n- `--ground_url`: 替换为您实际的 Grounding 模型服务地址。\n- `--grounding_width` \u002F `--grounding_height`: 需与模型输出分辨率一致。\n  - UI-TARS-1.5-7B: `1920` x `1080`\n  - UI-TARS-72B: `1000` x `1000`\n\n### 启用本地代码执行环境（可选）\n\n若任务涉及数据处理、文件操作或系统自动化，可开启本地编码环境，允许 Agent 直接执行 Python\u002FBash 代码：\n\n```bash\nagent_s \\\n    --provider openai \\\n    --model gpt-5-2025-08-07 \\\n    --ground_provider huggingface \\\n    --ground_url http:\u002F\u002Flocalhost:8080 \\\n    --ground_model ui-tars-1.5-7b \\\n    --grounding_width 1920 \\\n    --grounding_height 1080 \\\n    --enable_local_env\n```\n\n> ⚠️ **警告**：`--enable_local_env` 会在本地执行任意代码。请仅在受信任的环境中使用，并注意系统权限安全。\n\n### Python SDK 使用示例\n\n您也可以通过代码调用 Agent S3：\n\n```python\nfrom gui_agents.s3.agents.agent_s import AgentS3\nfrom gui_agents.s3.agents.grounding import OSWorldACI\n\n# 初始化接地代理 (Grounding Agent)\ngrounding_agent = OSWorldACI(\n    provider=\"huggingface\",\n    model=\"ui-tars-1.5-7b\",\n    url=\"http:\u002F\u002Flocalhost:8080\",\n    width=1920,\n    height=1080\n)\n\n# 初始化主代理\nagent = AgentS3(\n    provider=\"openai\",\n    model=\"gpt-5-2025-08-07\",\n    grounding_agent=grounding_agent\n)\n\n# 开始执行任务\nagent.run(\"请帮我打开浏览器并搜索最新的 AI 新闻\")\n```","某电商数据分析师需要在每周一早晨从多个内部系统（ERP、CRM 及网页后台）提取上周销售数据，整理为 Excel 报表并发送给管理层。\n\n### 没有 Agent-S 时\n- **跨系统操作繁琐**：人工登录三个不同系统，反复复制粘贴数据，耗时约 45 分钟且容易输错账号。\n- **流程中断频繁**：遇到网页弹窗、验证码或非标准下拉菜单时，传统 RPA 脚本直接报错停止，需人工介入修复。\n- **环境适配困难**：若公司更新操作系统或浏览器版本，原有自动化脚本往往失效，维护成本极高。\n- **异常处理僵化**：一旦某个数据字段格式微调，脚本无法像人一样灵活识别，导致整条链路崩溃。\n\n### 使用 Agent-S 后\n- **拟人化自主执行**：Agent-S 像真人一样“看”屏幕、“动”鼠标，自动完成跨系统登录、导航与数据抓取，全程仅需 8 分钟。\n- **智能应对交互障碍**：面对突发弹窗或动态验证码，Agent-S 能视觉识别并灵活点击处理，无需人工干预即可继续任务。\n- **跨平台无缝运行**：基于其强大的泛化能力，无论是在 Windows 还是 macOS 环境下，Agent-S 均能自适应操作，无需重写代码。\n- **鲁棒性显著提升**：即使界面布局微调，Agent-S 也能通过语义理解定位目标元素，确保数据提取流程稳定不中断。\n\nAgent-S 将原本脆弱且耗时的手动\u002F脚本流程，转化为具备人类级感知与决策能力的自主工作流，彻底释放了重复性电脑操作的生产力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsimular-ai_Agent-S_224a7924.png","simular-ai","Simular","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsimular-ai_4afa45ff.png","Use your computers in a \"Simular\" way.",null,"SimularAI","simular.ai","https:\u002F\u002Fgithub.com\u002Fsimular-ai",[82,86],{"name":83,"color":84,"percentage":85},"Python","#3572A5",99.7,{"name":87,"color":88,"percentage":89},"Shell","#89e051",0.3,10854,1262,"2026-04-16T11:27:21","Apache-2.0",4,"Linux, macOS, Windows","未说明（主要依赖外部 API 或本地部署的 Grounding 模型，如 UI-TARS，具体 GPU 需求取决于 Grounding 模型的部署方式）","未说明",{"notes":99,"python":100,"dependencies":101},"1. 仅支持单显示器环境。\n2. 必须安装 Tesseract OCR（macOS 用户需执行 'brew install tesseract'）。\n3. 需要配置大模型 API 密钥（如 OpenAI, Anthropic 等）。\n4. 强烈建议部署或使用 'UI-TARS-1.5-7B' 作为 Grounding 模型（可通过 Hugging Face Inference Endpoints 或本地部署）。\n5. 若启用本地代码执行环境（--enable_local_env），Agent 将以当前用户权限执行任意 Python 和 Bash 代码，存在安全风险，仅在受信任环境中使用。\n6. Linux 和 macOS 系统需确保 \u002Fbin\u002Fbash 可用。","未说明（需与运行 Agent S3 的解释器一致）",[102,103,104],"gui-agents","pyautogui","tesseract (brew install tesseract)",[106,14,35,15,13],"其他",[108,109,110,102,111,112,113,114,115,116,117,118,119],"agent-computer-interface","ai-agents","computer-automation","memory","mllm","planning","retrieval-augmented-generation","in-context-reinforcement-learning","computer-use","grounding","computer-use-agent","cua","2026-03-27T02:49:30.150509","2026-04-17T08:25:25.283953",[123,128,133,138],{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},36806,"使用 vLLM 部署 UI-Tars 时出现 '400 Bad Request' 或预处理错误，如何解决？","这是因为 vLLM 的传输格式要求图片字段为 `image_url` 而不是 `image`。需要修改代码 `gui_agents\u002Fs2\u002Fcore\u002Fmllm.py` 第 234 行附近，确保构建消息时将图片封装在 `image_url` 对象中。正确的代码结构应如下：\n```python\nif image_content:\n    if isinstance(image_content, list):\n        for image in image_content:\n            base64_image = self.encode_image(image)\n            message[\"content\"].append(\n                {\n                    \"type\": \"image_url\",\n                    \"image_url\": {\"url\": f\"data:image;base64,{base64_image}\"},\n                }\n            )\n```\n请检查并确保你的实现符合此格式。","https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fissues\u002F57",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},36807,"运行 agent_s 命令时提示 'unrecognized arguments'（无法识别的参数）错误怎么办？","这通常是因为 Python 版本过高导致的。Agent-S 的最新版本要求 Python 版本小于 3.12（即最多支持到 Python 3.11）。如果你使用的是 Python 3.12 或 3.13，pip 可能会安装不兼容的旧版本包，从而不支持 `--provider` 等参数。\n解决方案：请使用 Pyenv 或其他工具将环境切换到 Python 3.11 或更低版本，然后重新安装依赖。\n```bash\n# 示例：使用 pyenv 切换版本\npyenv install 3.11.x\npyenv local 3.11.x\npip install -e .\n```","https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fissues\u002F128",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},36808,"运行 Agent-S2 时遇到 'Conversation roles must alternate user\u002Fassistant' (对话角色必须交替) 的 400 错误，原因是什么？","该错误表明发送给模型的对话历史中出现了连续的两个 'user' 角色消息（例如：user -> user），而大多数 LLM API 要求角色必须严格交替（user -> assistant -> user）。\n这通常发生在 `reflection_agent`（反思代理）构建消息列表时。建议检查 `gui_agents\u002Fs2\u002Fagents\u002Fworker.py` 中添加消息的逻辑。如果问题持续，可能是特定的 LLM 提供商对格式要求更严格，尝试更换生成模型提供商（如从某些本地模型切换到 Gemini 或官方 API）或调试打印出的 messages 列表以定位重复的角色。","https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fissues\u002F70",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},36809,"如何获取用于复现论文中 SOTA 性能的 OSWorld 测试集子集和超参数设置？","用于复现结果的 OSWorld 示例子集位于项目仓库的 `evaluation_sets\u002Ftest_small_new.json` 文件中。你可以直接访问该路径获取测试数据：\nhttps:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fblob\u002Fmain\u002Fevaluation_sets\u002Ftest_small_new.json\n关于 Agent-S2 的性能，它仍然使用了包含网络知识的知识库组件，尽管论文中为了聚焦新框架部分（如混合接地、主动规划）而未详细展开，但该组件对提升性能依然有效。","https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fissues\u002F43",[144,149,154,159,164,169,174,179,184,189,194,199],{"id":145,"version":146,"summary_zh":147,"released_at":148},297208,"v0.3.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.3.1...v0.3.2","2025-12-16T17:38:14",{"id":150,"version":151,"summary_zh":152,"released_at":153},297209,"v0.3.1","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.3.0...v0.3.1","2025-10-04T22:27:44",{"id":155,"version":156,"summary_zh":157,"released_at":158},297210,"v0.3.0","## 变更内容\n* 修复了 Windows 桌面版的 `open` 操作。由 @wehos 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F130 中完成。\n* 实现了一个 Ctrl+C 信号处理器，用于在调试时暂停程序。由 @tageniu 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F126 中完成。\n* S3 🧠🤓🤯。由 @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F142 中完成。\n\n## 新贡献者\n* @wehos 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F130 中完成了他们的首次贡献。\n* @tageniu 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F126 中完成了他们的首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.2.5...v0.3.0","2025-10-03T01:31:39",{"id":160,"version":161,"summary_zh":162,"released_at":163},297211,"v0.2.5","## 变更内容\n* 在 toml 配置文件中未指定端口。由 @mcconnellj 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F97 中提出\n* 更新 README.md 以支持 Python 语法高亮，由 @rossamurphy 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F100 中完成\n* 更新 README.md，由 @rossamurphy 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F106 中完成\n* 更新依赖项，由 @rossamurphy 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F105 中完成\n* 文档：添加指向其他语言版本 README 的链接，由 @dowithless 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F102 中完成\n* 错误修复，由 @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F119 中完成\n* 👷🧠🤖😵🕴️，由 @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F124 中完成\n* 👷🧠🤖😵🕴️，由 @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F125 中完成\n\n## 新贡献者\n* @mcconnellj 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F97 中完成了首次贡献\n* @rossamurphy 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F100 中完成了首次贡献\n* @dowithless 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F102 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.2.4...v0.2.5","2025-08-01T16:25:43",{"id":165,"version":166,"summary_zh":167,"released_at":168},297212,"v0.2.4","## 变更内容\n* 由 @DaWe35 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F87 中修复了 OpenRouter 的 add_message() 方法。\n* 由 @DaWe35 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F85 中修复了 AttributeError: 'Namespace' 对象没有 'model_provider' 属性的问题。\n* 由 @DaWe35 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F95 中添加了接地模型的高度选项。\n* 由 @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F96 中进行了嵌入更新，并改进了 DAG 解析。\n\n## 新贡献者\n* @DaWe35 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F87 中完成了首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.2.3...v0.2.4","2025-05-24T01:02:45",{"id":170,"version":171,"summary_zh":172,"released_at":173},297213,"v0.2.3","## 变更内容\n* @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F53 中改进了安装和设置流程\n* @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F58 中新增了 Gemini 支持\n* @GeorgeCarpenter 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F68 中修复了 run.py 的 bug\n\n## 新贡献者\n* @GeorgeCarpenter 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F68 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.2.2...v0.2.3","2025-04-22T21:33:23",{"id":175,"version":176,"summary_zh":177,"released_at":178},297214,"v0.2.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.2.1...v0.2.2","2025-04-01T19:35:52",{"id":180,"version":181,"summary_zh":182,"released_at":183},297215,"v0.2.1","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.2.0...v0.2.1\n\n添加了 pytesseract 依赖。","2025-03-12T19:02:11",{"id":185,"version":186,"summary_zh":187,"released_at":188},297216,"v0.2.0","## 变更内容\n* @simularlyon 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F38 中对 Rest API 进行了改进\n* @alckasoc 发布了 Agent S V2 🤯，详情见 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F42\n\n## 新贡献者\n* @simularlyon 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F38 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.1.3...v0.2.0","2025-03-12T14:59:28",{"id":190,"version":191,"summary_zh":192,"released_at":193},297217,"v0.1.3","## 变更内容\n* 修复 box_iou，移除 torch、torchvision 和 transformers，由 @alckasoc 在 https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F36 中完成。\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.1.2...v0.1.3","2025-02-24T01:22:48",{"id":195,"version":196,"summary_zh":197,"released_at":198},297218,"v0.1.2","## What's Changed\r\n* Lint Workflow by @alckasoc in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F32\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcompare\u002Fv0.1.0...v0.1.2","2025-01-22T06:49:34",{"id":200,"version":201,"summary_zh":202,"released_at":203},297219,"v0.1.0","## What's Changed\r\n* Update README.md by @mehdifanai in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F1\r\n* Update required packages in setup.py by @tezansahu in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F5\r\n* Readme Update, Dependency Fixes by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F7\r\n* docs: update README.md by @eltociear in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F9\r\n* Setup Instructions, Deprecated Code Cleanup by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F11\r\n* The api version of Perplexica by @shuyugan in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F13\r\n* move inference api details to models by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F14\r\n* Fix encoding error on initial setup by @tezansahu in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F3\r\n* Refactor by @alckasoc in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F20\r\n* Refactor by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F26\r\n* test: perplexica, add wait message by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F27\r\n* update readme by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F28\r\n* update readme, deployment instructions by @saa1605 in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F29\r\n\r\n## New Contributors\r\n* @mehdifanai made their first contribution in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F1\r\n* @tezansahu made their first contribution in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F5\r\n* @saa1605 made their first contribution in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F7\r\n* @eltociear made their first contribution in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F9\r\n* @shuyugan made their first contribution in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F13\r\n* @alckasoc made their first contribution in https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fpull\u002F20\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fsimular-ai\u002FAgent-S\u002Fcommits\u002Fv0.1.0","2024-11-27T22:28:07"]