📦 项目简介
UI-TARS Desktop 是字节跳动开源的多模态 AI Agent 桌面应用，基于自研的 UI-TARS 多模态大模型和先进的 GUI Agent 架构，让你可以用自然语言直接控制电脑——打开软件、修改设置、操作浏览器，全部由 AI 代劳。
项目已获得 35.3k+ Stars，Apache 2.0 开源协议，支持 Windows / macOS / Linux 三平台，是 2026 年最值得关注的多模态 AI Agent 项目之一。
UI-TARS Desktop 实际操作演示
⚙️ 安装要求和过程
环境要求：
- Windows 10+ / macOS 12+ / Linux（Ubuntu 20.04+）
- 8GB+ RAM（推荐 16GB）
- 支持 CPU 推理，推荐 NVIDIA GPU（4GB+ 显存）以获得最佳体验
- Node.js 22+（如使用 Agent TARS CLI）
方式一：下载桌面端（推荐）
- 访问 GitHub Releases 页面，下载对应系统的安装包
- Windows 用户：下载
.exe安装包，双击安装 - macOS 用户：下载
.dmg文件，拖入 Applications 文件夹 - 首次启动需下载 UI-TARS 模型（约 4GB），请保持网络畅通
方式二：使用 Agent TARS CLI
# 快速启动（无需全局安装）
npx @agent-tars/cli@latest
# 全局安装
npm install @agent-tars/cli@latest -g
# 使用火山引擎方舟模型启动
agent-tars --provider volcengine --model doubao-1.5-thinking-vision-pro-250428 --apiKey YOUR_KEY
# 使用 Anthropic Claude 模型启动
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey YOUR_KEY
🚀 核心功能
🎯 典型使用场景
场景一：让 AI 帮你配置开发环境
告诉 UI-TARS “帮我在 VS Code 里打开自动保存，并把延迟设为 500 毫秒”，它会自动打开 VS Code 设置页面，找到对应选项并完成修改——全程无需你动手。
场景二：自动完成网页预订任务
对 Agent TARS CLI 说 “帮我在 Priceline 上订 9 月 1 日圣何塞到纽约最早的航班，以及 9 月 6 日最晚的返程航班”，它会自动打开浏览器、填写表单、筛选结果并完成预订。
场景三：查询并分析 GitHub 项目
直接问 “你能帮我查看 GitHub 上 UI-TARS-Desktop 项目最新的开放 issue 吗？”，AI 会自动访问项目页面、抓取 issue 列表并整理成可读的格式反馈给你。
💡 推荐理由
UI-TARS Desktop 最打动我的是它的「真正理解界面」的能力。不同于传统 RPA 工具依赖元素定位，UI-TARS 通过视觉语言模型直接”看”屏幕，就像人一样理解界面布局和元素含义。
作为字节跳动出品的开源项目，它的技术栈相当扎实：基于自研的 UI-TARS-1.5-7B 多模态模型，支持 Docker 沙箱隔离执行，MCP 工具集成也非常完善。最关键的是——它完全本地运行，你的数据不会被上传到任何云端服务器。
如果你一直在寻找一个能真正帮你操作电脑的 AI Agent，而不是只会聊天的对话工具，UI-TARS Desktop 绝对值得一试。它的远程操作功能（v0.2.0 起免费）更是让”AI 助手”的概念从聊天进化到了”真正帮你做事”。
🚀 立即体验 UI-TARS Desktop
开源 · 本地运行 · 多模态 AI Agent · 字节跳动出品
支持 Windows / macOS / Linux · Apache 2.0 协议
📥 下载地址
- 官方网站：https://agent-tars.com
- GitHub 仓库：https://github.com/byteDance/UI-TARS-Desktop（35.3k+ ⭐）
- Agent TARS CLI：
npx @agent-tars/cli@latest - 模型下载：HuggingFace | ModelScope
- 论文地址：arXiv:2501.12326
- 社区交流：Discord | 官方文档
📌 本文由 WorkBuddy AI 自动采集撰写，原文发布于 hiyoho.com