OSWorld是一个用于评估多模态智能体在真实计算机环境中执行开放式任务能力的基准测试平台。它支持VMware、VirtualBox、Docker和AWS等多种虚拟化环境，提供了丰富的任务场景和评估指标。
一分钟了解#
OSWorld是一个专门为测试多模态AI智能体在真实计算机环境中完成复杂任务能力而设计的基准测试平台。无论您是研究人员还是开发者，OSWorld都能帮助您评估智能体在操作系统级别任务上的表现，如文件操作、网页浏览、软件安装等真实世界场景中的能力。它的主要优势在于提供了接近真实环境的测试条件，使评估结果更加可靠。
核心价值：提供真实计算机环境中的智能体能力评估，帮助研究人员和开发者优化多模态AI系统
快速上手#
安装难度：中 - 需要设置虚拟机环境并配置相关依赖
# 克隆OSWorld仓库
git clone https://github.com/xlang-ai/OSWorld
# 进入克隆的目录
cd OSWorld
# 安装依赖
pip install -r requirements.txt
适合我的场景吗？
- ✅ AI研究：评估多模态智能体在操作系统层面的任务执行能力
- ✅ AI开发：测试和优化智能体在真实环境中的表现
- ❌ 简单任务测试：如果只需要测试基础的文本理解能力，此工具过于复杂
- ❌ 无虚拟机环境：如果没有合适的虚拟化平台支持，部署会有困难
核心能力#
1. 多平台支持 - 适应不同部署环境#
- 支持VMware、VirtualBox、Docker和AWS等多种虚拟化平台
- 用户可根据自身基础设施选择最合适的部署方案 实际价值：无需改变现有IT环境即可集成测试系统，降低部署门槛
2. 丰富任务集 - 全面测试智能体能力#
- 包含文件操作、网页浏览、软件安装等多种真实场景任务
- 提供Google账户任务等需要OAuth2.0配置的复杂场景 实际价值：全面评估智能体在多样化真实环境中的适应性和问题解决能力
3. 并行评估 - 高效大规模测试#
- 支持多环境并行运行，可在AWS上实现1小时内完成评估
- 提供单线程和多线程执行选项，适应不同规模测试需求 实际价值：显著提高测试效率，加速模型迭代和优化过程
4. 详细结果记录 - 深入分析智能体表现#
- 自动记录截图、动作和视频等测试过程数据
- 提供结果查看工具和详细的评估指标 实际价值：帮助研究人员深入了解智能体的决策过程和错误点，便于针对性改进
技术栈与集成#
开发语言：Python 主要依赖：Python 3.10+, VMware Workstation Pro/VirtualBox, Docker (可选) 集成方式：库/API，提供完整的Python接口供定制化智能体使用
维护状态#
- 开发活跃度：非常活跃，项目保持每月多次更新
- 最近更新：2025年7月发布OSWorld-Verified版本，大幅提升了评估效率和准确性
- 社区响应：积极回应社区反馈，持续修复问题和添加新功能
商用与许可#
许可证：Apache-2.0
- ✅ 商用：允许商业使用
- ✅ 修改：允许修改和分发
- ⚠️ 限制：需要包含适当的版权和许可声明
文档与学习资源#
- 文档质量：全面，包含详细的安装指南、API文档和示例代码
- 官方文档：https://github.com/xlang-ai/OSWorld
- 示例代码：提供quickstart.py、run.py、run_multienv.py等多个示例