self-operating-computer

Self-Operating Computer Framework 是一个使多模态模型能够操作计算机的框架。它通过模拟人类操作员的输入和输出，让模型能够查看屏幕并决定一系列鼠标和键盘动作以达成目标。该框架支持多种多模态模型，包括GPT-4o、Gemini Pro Vision等，并且易于集成。其主要技术特点包括兼容性强、与主流AI模型集成以及未来将支持更多模型。适用于需要自动化桌面任务的场景，如自动化测试、数据处理或日常办公任务自动化。