DeskCraft

DeskCraft 是一个面向桌面图形界面（GUI）智能体的基准测试框架，用于评估其在真实专业工作流和人机协同场景下的能力。它包含538个可执行任务，覆盖办公软件、浏览器、开发工具、设计与音视频编辑等11类应用及跨应用工作流，并支持多轮人机交互——通过预设触发条件（如用户提问、步骤计数）模拟需求演进。采用程序化验证方式，基于最终桌面状态、项目文件、导出产物及结构化文档进行结果判定。适用于AI代理、具身智能、自动化助手等方向的研究与评测，尤其适合需长期任务规划与动态协作的桌面级智能体评估。