开源WorkBuddy蓝皮书!从0到100最系统Agent实战指南~【建议收藏】
开源WorkBuddy蓝皮书!从0到100最系统Agent实战指南~【建议收藏】把腾讯WorkBuddy用透,你26年下半年会轻松很多。
搜索
把腾讯WorkBuddy用透,你26年下半年会轻松很多。
之前折腾过各种图片滤镜,ASCII 码、圆点、像素风,做出来觉得有意思,但光做滤镜的工具太多了,没什么记忆点。刚好这阵子"人生新成就""地球 Online 成就"在社交媒体上很火。大家把自己的真实经历写成游戏成就的格式,配一个稀有度和达成率,有点自嘲又有点骄傲。
来自浙江大学 APRIL 实验室、快手主站技术部和清华大学的研究团队提出了 MobileForge,试图把手机 GUI Agent 的适配过程变成一个 “无标注、自探索、自反馈、自优化” 的闭环系统。
我天天在ai news radar里刷呀刷,真刷出了个新的开源项目,Tutti。光看Readme的时候,我以为它又是一套给Agent套GUI的桌面壳,实际上它提供了一个实时共享的工作空间,我所有agent可以共享上下文,文件,应用和任务。
昨天早上我想给 Claude 的一篇文章配几张 3:4 的社交媒体图。手边有自己做的社交媒体 Skills,就顺手让 Codex 调了 GPT-Image 2.0。出来的效果超出预期。干净白底,克制的 3D 材质,中文标签直接印在图里,远看像杂志内页,近看细节都读得清。
手机GUI Agent正在从「看懂屏幕、点击按钮」走向更复杂的跨App自动化任务:这些任务听起来并不复杂,但对现有手机GUI Agent来说,一个核心难题始终存在:任务一长,就容易忘。
前段时间我做了一个 guizang-social-card-skill(https://github.com/op7418/guizang-social-card-skill)。
想训练能自动操作手机的GUI(图形用户界面)智能体,总会遇到两难困境:
Agent从来不是不会用浏览器,只是浪费太多时间在探索——BrowserBC把人类轨迹蒸馏成可复用Skill来完成Behavior Cloning,用户点一遍,Agent照着就能跑通。Einsia AI旗下Navers Lab发布的开源项目BrowserBC给出的答案,是一条三步范式:录制→转写成Skill→交付执行。
扩散模型又被玩出新花样了。