Claude Computer Use API - 大模型如真人操纵电脑
发表于|更新于|大语言模型
Claude Computer Use API是Anthropic为Claude模型推出的革命性功能,它让AI能够像真人一样操控电脑屏幕——移动鼠标、点击按钮、输入文字、滚动页面、浏览文件等。与传统的API调用不同,Computer Use API让Claude能”看”到屏幕截图,理解界面布局,然后自主执行操作。这意味着Claude可以帮你完成填写表单、查找文件、操作软件等一系列需要图形界面交互的任务,真正实现了”AI替你用电脑”。
相关推荐
2024-11-29
Claude Analysis Tool-Claude最新在线编码解析文档功能
Claude Analysis Tool是Anthropic为Claude推出的在线代码分析和文档解析功能。它让Claude能够直接运行Python代码、分析数据、生成图表和处理各种文档格式。与传统的聊天界面不同,Analysis Tool提供了一个交互式的代码执行环境——你可以让Claude编写并运行代码来处理你的数据,结果以图表或表格形式直接呈现。这对于数据分析、报告生成和编程学习来说是一个极其强大的功能。 访问入口
2024-11-29
OmniVision: 可本地跑的多模态大模型
OmniVision是一款由Nexa AI开发的多模态大语言模型,它能够在本地设备上运行,支持同时处理文本、图像和视频输入。与云端多模态模型不同,OmniVision针对移动设备和边缘计算进行了优化,可以在手机上流畅运行。它能够理解图片内容、分析视频帧、回答关于视觉输入的问题。本视频介绍OmniVision的安装部署和实际使用体验。 官方博客

2025-01-03
Midscene Chrom插件:AI像真人般操作浏览器
通过大语言模型Agent像真人般操作浏览器啊!今天淘到的这个免费AI工具就牛逼了,这是个Chrome插件,叫做midscene.js,我们只需要下达一条命令,它就能和真人一样操作浏览器来完成我们下达的任务。废话不多说,赶紧Demo下… 官网入口

2025-02-11
Anthropic MCP:大语言模型调用外部工具
大语言模型免费调用外部工具啊!我们知道大语言模型就好比一个沙箱,不能调用外部工具来完成任务,比如不能叫他帮你本地创建个文件,后来openai加入了function calling来解决这个问题,但是一直没有一个统一框架来方便大家使用。Anthropic提出的MCP Model Context Protocol要解决的就是这个问题,让大语言模型能够快速的调用外部的工具和函数来完成任务。废话不多说,赶紧看下Demo MCP Github入口

2024-12-22
Kimi视觉推理大模型:差评!
看网上都在吹Kimi的视觉推理大模型,说得神乎其技,可以取代OpnAI 200刀每月的专业版之类的,真有这么厉害吗?这里我们也来快速测试下。首先,我们来个简单都英语填空题,这种题一般的大模型都能做对,本来就是大语言模型的强项,仅作为最基本验证,它也是没有问题的。再看第二道题,来个脑筋急转弯,分析推理确实是一大堆的,答案也和预期一样,但是它是实打实的脑筋不转弯都从语言学等角度得出的答案,其实这里在中文语境中用脑筋急转弯思路就能很快得出答案,太阳公公嘛,那太阳肯定是男都啰。况且太阳叫做sun,儿子也读作son,也能得到印证。所以我推定它是不适合做脑筋急转弯的,起码不适合做中文的脑筋急转弯。下一道数学题,“一口井7米深,有只蜗牛从井底往上爬,白片爬3米,晚上下坠2米。问蜗牛几天能从井里爬出来?”这里要注意解题的关键点是最后一天可能它不会滑下来了。我们看它分析,前几天都没有问题,第四天,白天爬3米,就是到了6米,晚上滑下来2米,到了第4米,第五天,白片爬3米,4+3刚好7米,所以就爬出来了,就不用考虑晚上往下滑了。所以答案是5天就能爬出去。我们看它最终做了一大堆装模作样的推理,最终还...

2025-02-06
Surf.new:AI自动控制浏览器完成任务.
控制浏览器完成任务的免费AI Agent啊!今天淘到的这个叫做surf.new的Agent就牛逼了,我么可以给他下一个指令,然后它就能自动帮我们细化这个指令,然后一步步操作浏览器来完成我们的任务… Github项目入口 在线访问入口
公告






