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
Moshi:实时语音通话大语言模型
Moshi是由法国AI研究机构Kyutai开发的实时语音对话大语言模型,被广泛认为是”语音版GPT-4o”。与传统的语音助手不同,Moshi具备真正的实时语音对话能力——它能同时理解和生成语音,支持打断、语气感知、情感表达等自然对话特征。Moshi的延迟极低(约200ms),对话体验接近真人交流。Kyutai将Moshi完全开源,包括模型权重和训练代码,这对于语音AI领域来说是一个里程碑式的事件。 访问入口
2024-11-29
Nexa AI OmniVision:本地部署多模态大模型
Nexa AI OmniVision的本地部署教程!本视频手把手教你如何在自己的电脑上安装和运行OmniVision多模态大模型。涵盖了:系统要求检查、模型下载、安装配置、API调用示例和性能优化技巧。OmniVision支持处理图像和视频输入,能够在本地完成复杂的视觉理解任务。无需GPU也能运行优化版本,是本地AI部署领域值得关注的多模态模型。 官方博客

2024-12-12
Gemini 2.0:6大原生多模态炸裂新功能
Gemini 2.0 原生多模态模型炸裂功能初体验啊!它在benchmarks上有多炸裂我这就不说了,这里是迫不及待的想和大家分享它的几个炸裂功能。首先,我们进入到谷歌ai studio上进行gemini 2.0的访问,免费的credits足够我们用的了。先试下第一个功能实时语音,Hi Gemini, how are you,(Hi,I am doing great , thanks for asking, how can I help you today)can you speak faster please, (sure , …..), can you speak in a way that you are so quiet and whispering?(回答: ….)牛逼吧?第二个功能,视频对话。can you let me know what i am holding now, and count number of items。(回答:。。。。)第三个功能,屏幕分享。what do you see in my screen,( i can se…),ok , wh...

2025-03-16
手把手教你实现第一个MCP Server!
手把手教你写MCP的Hello World啊!以防大家不知道MCP是什么,这里简单说下,简单来说,MCP, 也就是Model Context Protocol,这是anthropic搞出来的大语言模型调用外部工具的标准,而MCP Server就是我们写的工具。我们知道大语言模型本身是没有办法调用外部工具的,为了解决这个问题,OpenAI最新搞出了Function Calling,让chatgpt可以调用外部的工具,然后其他厂家也跟着搞,实现方式各有不同。Anthropic为了避免混乱,搞出了这套MCP标准… server.py 12345678910111213141516171819202122232425262728293031323334from mcp.server.fastmcp import FastMCPimport timeimport signalimport sys# Handle SIGINT (Ctrl+C) gracefullydef signal_handler(sig, frame): print("Shutting do...
2024-11-29
Nexa AI OmniVision:可本地跑多模态大模型
Nexa AI OmniVision是一款可以在本地设备上运行的多模态大语言模型。与依赖云端API的多模态模型(如GPT-4V)不同,OmniVision经过优化可以在消费级硬件上运行,无需联网即可处理文本、图像和视频输入。它能够理解图片内容、回答关于视觉输入的问题,适合隐私敏感场景和离线环境使用。本视频介绍OmniVision的本地部署方法、性能表现和实际使用体验。 官方博客
公告





