UI-TARS 桌面版自动化安装教程从模型接入到第一个 GUI 任务的三步走【免费下载链接】UI-TARS-desktopThe Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktopUI-TARS Desktop 是一款开源的多模态 AI 智能体桌面应用也是开箱即用的 UI-TARS 桌面自动化工具你用自然语言描述任务它基于视觉语言模型自动完成点击、输入和页面导航。它覆盖本地计算机与本地浏览器两种操作模式适合想把重复性 GUI 操作交给 AI、又不想写代码的用户。核心能力一览能力说明本地计算机操作直接操作桌面应用和文件处理文件整理、软件操作类任务本地浏览器操作控制 Chrome、Edge、Firefox处理表单填写与数据收集视觉动作循环截屏、模型推理、执行动作三步循环直到任务完成预设管理从本地 YAML 或远程 URL 导入配置远程预设每次启动自动更新执行报告每个任务生成 HTML 报告可下载或上传到自己的服务器主界面采用三栏结构左侧是新建对话与历史记录中间是指令输入区右侧是设置与报告入口。系统要求macOS 10.15 及以上、Windows 10 及以上目前仅支持单显示器环境多屏配置可能导致任务失败。完整步骤见快速入门文档。三步跑通安装、权限配置与模型接入第 1 步 安装应用macOS 拖拽安装从项目发布页下载安装包把 UI TARS 图标拖入应用程序文件夹。完成后应用程序文件夹里能看到应用图标启动即进入主界面。Windows 双击安装双击 Setup 安装程序例如 UI.TARS-0.1.0-preview.Setup.exe若系统弹出安全提示点击仍要运行继续。完成后桌面出现快捷方式启动即进入主界面。第 2 步 开启系统权限macOS 需要开启两项权限否则应用既截不了屏也控制不了鼠标系统设置 → 隐私与安全性 → 辅助功能系统设置 → 隐私与安全性 → 屏幕录制完成后两个权限列表中都能看到 UI TARS且开关处于开启状态。Windows 无需此步骤。第 3 步 接入模型服务UI-TARS 不自带模型需要接入一个视觉语言模型服务常见两条路径Hugging Face部署 UI-TARS-1.5-7B 端点VLM Provider 选择Hugging Face for UI-TARS-1.5Base URL 必须以/v1/结尾火山引擎 Ark直接使用 Doubao-1.5-UI-TARS 模型模型名为doubao-1.5-ui-tars-250328。在设置页依次填入语言、VLM Provider、Base URL、API Key、模型名五个字段点击 Check Model Availability返回成功即接入完成。各字段的类型、可选值与默认值见设置配置指南端点部署方式见部署文档。第一个任务走查从自然语言指令到执行报告以浏览器任务为例。先选择 Local Browser Operator需已安装 Chrome、Edge 或 Firefox在左侧输入框写入打开 GitHub 趋势页告诉我前三名项目的名称与星标数点击发送。发送后UI-TARS 进入截屏 → 模型推理 → 执行动作的循环左侧对话区逐条展示模型的思考与动作右侧是每一步的画面。任务结束时模型调用 finished 动作并生成 HTML 报告打开报告可逐步核对截图与动作记录结果符合预期即完成。如果第一次执行不理想把指令写得更具体——指明页面名、按钮名——模型需要猜测的步骤会更少。进阶能力远程执行与会话管理当本地机器繁忙或不想在当前机器上跑任务时可以改用 Remote Operator任务在云浏览器或云桌面中执行免费额度为每会话 30 分钟界面顶部有倒计时。执行中可切换到 Cloud Browser 模式用自己的鼠标接管关键步骤点击右上角 Terminate 可结束会话并释放远程资源系统会生成最终报告供下载或分享。报告设置还支持把 Report Storage Base URL 指向自建的上传端点此时点击导出 HTML会直接上传报告并复制链接省去手动传文件。避坑手册与优化建议现象原因解法无法点击、屏幕没反应辅助功能权限未开启到隐私与安全性中复核辅助功能与屏幕录制模型连接失败Base URL 格式错误Hugging Face 端点必须以/v1/结尾并检查网络动作解析不准VLM Provider 与模型不匹配Provider 必须与模型版本保持一致浏览器无法启动未安装浏览器先安装 Chrome、Edge 或 Firefox多显示器环境任务失败项目目前仅支持单显示器改用单屏运行优化建议交互类操作若在页面加载完成前就截屏把 Loop Wait Time 从默认 1000 毫秒调大复杂任务频繁触及步数上限时调高 Max Loop默认 100或把指令拆成多段多台机器需要同一套接入配置时把配置写成 YAML 后用预设管理导入不必逐台手填。继续深入快速入门文档安装、模型接入与第一个任务的完整步骤设置配置指南VLM、Chat、Report 各配置项与默认值预设管理指南与默认模板示例可直接套用的配置模板SDK 指南ui-tars/sdk支持在 Node.js 或浏览器环境构建 GUI 智能体命令行入口是npx ui-tars/cli start接入模型后建议先跑一个几分钟内能完成的小任务确认报告链路正常再逐步扩展到更长的流程。【免费下载链接】UI-TARS-desktopThe Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考