UI-TARS 桌面版使用指南改 3 处配置第一次就能让 AI 替你点鼠标【免费下载链接】UI-TARS-desktopThe Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop每天总有那么几件事不复杂、但很耗时间打开五个窗口、翻到一个设置项、逐项点过去、再检查结果。UI-TARS 桌面版UI-TARS Desktop是一个开源的 GUI 自动化桌面应用你在输入框里打一句帮我把 VS Code 的自动保存打开它自己看屏幕、找按钮、动鼠标。这篇文章带你从安装一路做到跑通第一个任务。它到底是个什么工具一句话说清楚UI-TARS 桌面版是装在你电脑上的一个数字手替你把点鼠标、敲键盘这些事做掉。装完即用的桌面应用官方提供 Windows 和 macOS 安装包不需要写代码、不用配运行环境。靠看屏幕来操作底层的视觉语言模型VLM每步都拿到一张屏幕截图自己判断按钮在哪。传统自动化脚本要写死每个控件的位置它不需要。两种执行模式Local Computer 直接操作桌面应用Local Browser 操作 Chrome / Edge / Firefox。首页另有远程模式的免费试用入口官方远程试用服务会到期下线日常以本地模式为主。它其实就是在扮演另一个坐在你工位上的人看屏幕、出主意、动手点每一步都在你眼皮底下发生。四步装好并授权下载安装包。macOS 有 Homebrew 的话一条命令搞定brew install --cask ui-tars其他情况从官方 Releases 页面下载对应系统的安装包即可。安装。macOS 把 UI TARS 图标拖进 ApplicationsWindows 双击安装程序按向导走。给两个权限macOS 必做。系统设置 → 隐私与安全性把 UI TARS 同时加进辅助功能和屏幕录制并打开开关官方 docs/quick-start.md 里也是这么写的。打开应用。你会看到首页的 Welcome to UI-TARS Desktop 欢迎页下面摆着 Computer Operator 和 Browser Operator 两张卡片。首次启动要填哪几处应用本身不带模型需要在设置里接一个 VLM 服务。官方文档给出两条路Hugging Face 上的 UI-TARS-1.5-7B或火山方舟VolcEngine Ark上的 Doubao-1.5-UI-TARS选一条你拿得到的就行。路径左下角齿轮图标 → Settings → VLM Settings填四个字段字段填什么VLM Provider如 Hugging Face for UI-TARS-1.5VLM Base URL部署平台给的地址必须以 /v1/ 结尾VLM API Key部署平台的密钥VLM Model Name如 UI-TARS-1.5-7B三个值的来源去模型平台点 Deploy from Hugging Face选 UI-TARS-1.5-7B 部署控制台会给你 Endpoint、API Key 和模型名。填完点Check Model Availability提示连通即可。每个参数的详细说明在 docs/setting.md。最容易踩的点Provider 和模型版本必须配对。模型用的是 1.5Provider 却选了 1.0 的选项动作解析会整体跑偏。跑通第一个任务回到首页点Use Local Computer浏览器任务则点 Use Local Browser。在底部输入框直接打第一句指令比如Could you help me check the latest open issue of the UI-TARS-Desktop project on GitHub?回车后右侧是实时画面流左侧是对话记录。你能看着它自己打开浏览器、定位到项目页面、把最新 issue 读出来。它每步走的都是看截图 → 决定动作 → 执行鼠标键盘这个循环中途走偏了随时可以打断再补一句说明就行。任务结束后点右上角的 Share可以把执行报告存成本地 HTML 文件里面是每一步的截图和动作方便复盘哪一步出了问题。两个顺手就能用的功能预设配置。不想每次换机器都手填一遍四个字段的话把配置打包成 YAML 预设在 Settings 里点 Import Preset Config 导入即可支持本地文件和远程 URL。仓库里有一份可直接抄的示例模板examples/presets/default.yaml规则说明见 docs/preset.md。场景切换与历史。输入框左下角的小图标可以在 Computer Use 和 Browser Use 之间切换左侧 History 列表保存每一次执行过的任务点进去能看到完整回放。最容易踩的四个坑1. 画面不动、指令没反应现象应用开着但输入指令后电脑毫无动作。 原因macOS 的屏幕录制权限没开模型根本拿不到画面。 办法隐私与安全性 → 屏幕录制里加上 UI TARS 并勾选然后重启应用。2. Check Model Availability 报错现象设置页检查模型时连不通。 原因Base URL 少了 /v1/ 后缀或者 Provider 和模型版本不匹配。 办法对着部署平台控制台核对 Endpoint保留 /v1/ 结尾Provider 按模型版本选1.5 就选 1.5 那项。3. 点错位置、坐标漂移现象双屏环境下有时操作落到另一块屏幕上。 原因官方文档明确说明目前只支持单显示器配置。 办法暂时用单屏模式把任务集中在主屏完成。4. 浏览器模式起不来现象点 Use Local Browser 后报错。 原因Browser Operator 依赖本机装着 Chrome、Edge 或 Firefox。 办法装好其中任意一个浏览器再重试。看完先做什么别急着上复杂任务。先挑一个你天天用的应用里的设置项自动保存、语言、亮度都行让 UI-TARS 桌面版把它改掉。等它当着你的面完成找到入口 → 展开选项 → 改掉值 → 汇报完成这一整套你就对它的速度和能力边界有体感了。跑顺之后再换成浏览器任务、更长的指令逐步加码。【免费下载链接】UI-TARS-desktopThe Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra项目地址: https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考