操作系统智能体(OS Agents)基于多模态大语言模型(MLLM)，通过操作系统提供的图形用户界面(GUI)和命令行界面(CLI)来自动化操作电脑、手机和浏览器的任务。这个调研项目旨在整合该领域的研究现状，为学术研究和产业发展提供指导。
一分钟了解#
这是一个关于"操作系统智能体(OS Agents)"的学术调研项目，主要关注那些能够通过操作系统界面自动化操作电脑、手机和浏览器的多模态大语言模型智能体。该项目由ACL 2025会议的口头报告论文支撑，适合研究人员、开发者以及对该领域感兴趣的学习者。核心价值：提供一个全面、系统的OS Agents研究概览，帮助快速掌握这一前沿领域的最新进展和发展方向。
快速上手#
安装难度：低 - 本项目是学术调研资源，无需安装，可直接访问获取信息。
适合我的场景吗？
- ✅ 研究人员：需要了解OS Agents领域的最新研究进展和方法
- ✅ 开发者：寻找构建操作系统智能体的模型和框架参考
- ✅ 学生：希望快速了解这个新兴研究领域的基础知识
- ❌ 寻找可直接使用的应用软件：本项目提供的是调研资源和论文列表，而非成品工具
核心能力#
1. 研究论文整理 - 知识体系化#
将OS Agents领域的关键研究论文按四个核心领域进行分类整理，包括基础模型、智能体框架、评估基准以及安全与隐私。 实际价值：帮助研究者快速掌握该领域的研究全貌，避免信息碎片化，提高研究效率。
2. 基础模型调研 - 技术发展脉络#
详细梳理了OS领域使用的基础模型，包括架构类型、训练方法和更新时间等关键信息。 实际价值：为开发者提供模型选择的参考依据，了解技术发展趋势和最佳实践。
3. 智能体框架分析 - 构建方法汇总#
系统整理了不同类型的OS智能体框架，涵盖感知、规划、记忆和行动等关键组件。 实际价值：为构建自己的OS智能体提供可参考的架构设计和方法论。
4. 评估基准介绍 - 性能衡量标准#
收集了OS智能体的各类评估基准，按平台(移动设备/桌面)和测试环境(真实/模拟)进行分类。 实际价值：为评估和比较不同OS智能体性能提供标准化方法。
技术栈与集成#
主要领域：人工智能、多模态大语言模型、智能体系统 研究范围：计算机视觉、自然语言处理、人机交互、强化学习 信息呈现：学术论文表格、分类资源库、研究趋势分析
生态与扩展#
- 论文库更新：持续收集和更新OS Agents领域的研究论文，保持信息时效性
- 学术合作：与OPPO等企业研究团队建立合作，促进学术与产业结合
- 招聘信息：提供相关研究团队的招聘信息，促进人才流动与研究发展
维护状态#
- 开发活跃度：持续更新中，定期新增相关研究论文
- 最近更新：近期持续更新，包含2024年10月发表的最新研究成果
- 社区响应：通过多平台发布(网站、arXiv、GitHub、知乎、OpenReview、Twitter)，扩大学术影响力
商用与许可#
- ✅ 学术使用：允许用于学术研究和教育目的
- ⚠️ 商用限制：项目本身为学术资源，引用论文需遵循各自许可条款
- ✅ 修改传播：可基于本项目资源进行二次创作和传播