一个使用多模态大语言模型优雅解决 hCaptcha 验证码挑战的项目，不依赖用户脚本或第三方验证码服务。

智能体与应用工具Python多模态

查看详情 →

SeeAct 是一个基于大型多模态模型（如 GPT-4V）的通用网页智能代理系统，能够自主在任何网站上执行任务。它包含一个稳健的代码库和创新的框架，支持在实时网站上运行网页智能代理。

智能体与应用工具PythonPlaywright

查看详情 →

由字节跳动开发的开源多模态 AI 智能体（Agent）堆栈，包含通用智能体框架 Agent TARS 和桌面客户端 UI-TARS Desktop，通过视觉语言模型实现基于自然语言的计算机控制、浏览器自动化及 CLI 交互。

智能体与应用工具TypeScriptNode.js

查看详情 →