UI-TARS 桌面版入门指南10 分钟完成安装、配置与第一个自动化任务【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-desktopUI-TARS 桌面版是一款基于视觉语言模型的 GUI 自动化工具你输入一句自然语言指令它会截取屏幕、识别画面内容再执行鼠标键盘操作完成任务全程不需要写代码。本文带你完成安装、最小化配置并跑通前两个任务适合不写代码的用户。 能力速览它能做什么安装前先确认三件事macOS 10.15 或 Windows 10 及以上、单显示器环境如果要用浏览器操作需要先装好 Chrome、Edge 或 Firefox。能力适用场景本地计算机操作Use Local Computer文件整理、软件设置、跨软件的桌面任务本地浏览器操作Use Local Browser表单填写、页面导航、网页信息提取远程操作器在云浏览器或虚拟桌面里执行任务不占本地硬件过程反馈与报告每步截图、动作日志与可下载的完整执行报告 安装与首次启动macOS 与 WindowsmacOS拖拽安装并开启两项权限从仓库发布页下载最新版安装包当前桌面版为 0.2.x 系列已装 Homebrew 的话直接运行brew install --cask ui-tars。把UI TARS图标拖进Applications文件夹。打开系统设置→隐私与安全性为 UI TARS 同时勾选辅助功能和屏幕录制。这两项缺失时应用既看不见屏幕也动不了鼠标。打开应用看到主界面即安装成功。Windows运行安装程序下载 Setup 安装程序如UI.TARS-0.1.0-preview.Setup.exe双击运行。弹出 SmartScreen 安全提示时点更多信息再选仍要运行。安装完成后直接启动无需额外权限设置。首次启动后的界面主界面分三栏左侧是新建对话与历史会话中间是任务输入区右侧提供设置入口。⚙️ 最小配置四个字段接上模型UI-TARS 桌面版不自带模型需要在设置页把请求指向一个已部署的 UI-TARS 系列视觉语言模型字段要求示例VLM Provider必须与实际使用的模型匹配决定动作解析方式Hugging Face for UI-TARS-1.5VLM Base URLOpenAI 兼容端点必须以/v1/结尾https://your-endpoint.huggingface.cloud/v1/VLM API Key对应服务商的密钥hf_xxxVLM Model Name服务端部署的模型名UI-TARS-1.5-7B两条常用途径Hugging Face在应用首页点 Deploy from Hugging Face选UI-TARS-1.5-7B按提示部署之后从 endpoint 页面取Base URL和API Key。火山引擎 Ark在 Doubao-1.5-UI-TARS 模型页点立即体验再进API 接入应用内填 API Key、Base URLhttps://ark.cn-beijing.volces.com/api/v3、模型名doubao-1.5-ui-tars-250328。填完后点Check Model Availability检查通过即配置完成。Max Loop、Language 等其余参数见设置配置指南。✅ 跑通第一个任务桌面与网页各一例右上角点新建对话弹窗让你选场景桌面任务选Use Local Computer网页任务选Use Local Browser需已装好前面的浏览器。案例一桌面软件设置【任务指令】打开 VS Code在设置里开启自动保存并延迟 500 毫秒。【实际执行】应用截取屏幕定位到 VS Code 入口打开 VS Code进入设置页找到 Auto Save 选项并完成修改对话区回报结果每一步都有截图与动作记录案例二网页信息查询【任务指令】打开 Chrome访问 UI-TARS 项目页面告诉我最新发布的版本号。【实际执行】启动本机 Chrome 并导航到目标页面滚动页面识别版本号位置在对话中返回版本号全过程可回看截图序列任务结束后可在界面下载完整执行报告留档。 进阶能力远程操作器在云浏览器或虚拟桌面执行同一类指令免费远程服务计划于 2025-08-20 下线之后可通过火山引擎 OS Agent 自建。预设 Preset从 YAML 文件或 URL 导入配置远程预设支持每次启动自动同步见预设管理指南。SDK用 UI TARS SDK 把 GUI 自动化能力集成进自己的脚本或产品。 排错速查现象原因处理应用看不见屏幕、动不了鼠标辅助功能或屏幕录制权限未开在 macOS隐私与安全性重新勾选模型可用性检查失败Base URL 未以/v1/结尾或 Key 错误按服务商页面核对后重填动作解析偏差大VLM Provider 与模型不匹配选择与模型对应的 Provider浏览器操作无法启动未装浏览器或版本过旧安装并升级 Chrome / Edge / Firefox多显示器下任务偶发失败当前仅支持单显示器先在单显示器环境运行UI-TARS 桌面版把看屏幕 操作鼠标键盘封装成一句指令就能启动的流程装好并接上模型后即可从简单任务开始。快速入门文档完整设置说明预设模板示例【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