OmniParser-V2：本地部署安装
昨天视频介绍了可以截屏分析当前屏幕的元素并转换成每个元素详细描述和对应坐标的omniparser工具，有朋友评论说希望能提供安装部署教程，所以有了这个视频…
相关工具已收录于 AI工具严选
OmniParser
微软开源AI视觉解析工具，控制电脑操作
微信赞赏
相关推荐
2025-02-21
OmniParser 2.0：AI控制电脑实现教程！
OmniParser v2 + pyautogui实现自动操作鼠标控制电脑啊！我上两天分享了个OmniParser的视频，没想到喜欢的人还不少。但是omnivision毕竟只实现了屏幕元素坐标解析，要真正发挥功效，还是需要围绕它做点事情的，比如我们不可能只是打开个gradio的ui，每次手动上传个屏幕截图来查看下解析到元素描述坐标地址，如我之前视频中说的，我们的目标应该是这样的… 代码访问入口
2025-02-18
OmniParser v2：开源AI自动控制电脑完成任务
免费开源AI自动控制你的电脑执行你下达的任务啊。今天要介绍的是微软的OmniParser V2，其实大家如果还记得的话，我接个月前就介绍过OmniParser的v1版本了，这次的升级版本比v1快了60%，能理解更多的屏幕和浏览器上的元素，它的工作原理就是对电脑截屏，然后通过各种视觉大语言模来解析应该操作当前屏幕的哪个位置… Github入口
2026-01-22
Agent S：AI正式接管电脑！首次超越人类！
快速分享个开源项目，叫做agent s，这个AI工具能够解放我们得双手，直接接管电脑，他也是首个在osworld上超越人类表现的AI产品… 访问入口
2026-01-22
eigent：Claude Cowork开源平替！免费但专业！
（与前面Claude-Cowork开源平替类似）Claude Cowork的开源免费替代方案，功能专业但无需付费。通过开源组件搭建属于你自己的桌面AI助手，实现文件操作、任务自动化和应用控制等核心功能。本视频提供详细的搭建教程和功能演示。 官网入口 Github入口
2025-10-31
混元世界模型！免费在线随便玩！
想体验一把用几张照片就能秒变 3D 模型的黑科技吗？快来试试 HunyuanWorld-Mirror！也就是网上说的 HunyuanWorld 1.1了。这模型可厉害了，不管你给几张角度不同的图片，它唰一下就能生成点云、深度图、相机参数这些 3D 数据，甚至还能直接渲染出新视角的画面… 访问入口
2026-09-02
Fable 5.1 测试报告！究竟有多能打？
最新 Fable 5.1 测试报告出炉！直接上 V2.1 升级版祖传测试用例开测。 强约束句子生成全部 1—10 结尾，语句通顺达标；新版需要三个解法的 24 点任务，仅两条答案合格；高难度 7 位密码锁推理顺利拿下，推理实力过硬。 编程测试取消无头浏览器 UI 校验，纯看模型原生编码输出。浏览器操作系统 UI 精致、弹窗与 Dock 栏运行正常；太空射击游戏完成度堪称第一梯队，3D 渲染、战机效果一流；3D 赛车游戏画面出彩；无第三方库开发的 Trello 看板功能整体可用，只是 UI 观感比较普通。 一轮测试明显感觉当前 V2.1 测试题库已经有点跟不上它的实力，如果越来越多模型达到这个水准，祖传测试用例就得直接升级到 V3 版本了…… 访问入口
