CradleBAAI-Agents/Cradle
让大语言模型/多模态模型直接接管图形界面,像人一样看屏幕、点鼠标、敲键盘来完成软件操作任务。核心功能要点包括:1.【屏幕感知与元素定位】:读取屏幕截图并定位按钮、输入框、图标等界面元素,把视觉信息转成可执行的坐标与操作目标;…
还没有人评分
我要评分
Stars2.6k
Forks268
Watchers2.6k
Open Issues23
Install一键安装
待确认这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:
git clone https://github.com/BAAI-Agents/Cradle.git
Overview功能介绍
核心功能
让大语言模型/多模态模型直接接管图形界面,像人一样看屏幕、点鼠标、敲键盘来完成软件操作任务。核心功能要点包括:1.【屏幕感知与元素定位】:读取屏幕截图并定位按钮、输入框、图标等界面元素,把视觉信息转成可执行的坐标与操作目标;2.【键鼠动作执行】:将模型决策翻译为真实的鼠标点击、拖拽、键盘输入等底层操作,在目标软件中落地执行;3.【多模态决策闭环】:把截图、界面结构、任务指令一起送入模型,输出下一步动作并循环执行,形成“观察—决策—操作”的自主任务循环;4.【技能与接口封装】:以统一接口封装环境交互、模型调用与动作空间,便于替换不同模型或接入新的软件环境。
适用场景
需要智能体直接操作图形界面软件完成任务的环节,如桌面软件自动化、游戏内自动操作、跨应用流程执行、GUI 智能体研究与评测。
适用职业
AI / 算法工程师、全栈 / 独立开发者、测试 / QA 工程师、产品经理 (PM)。
Topics主题标签
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 371 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | BAAI-Agents/Cradle |
| 所属分类 | AI 与智能体技能 / 智能体框架与运行时 |
| 主要语言 | Python |
| 开源协议 | MIT License |
| 默认分支 | main |
| GitHub 仓库 ID | 766445602 |
| 节点 ID | R_kgDOLa8IIg |
| 榜单排名 | #370 (来源榜单内名次) |
| 全站热度排名 | #438 (按 Stars 实时计算,共 5833 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前2,596
- 上一记录点 · 09-29 2,594
- 较上一记录点 +2
- 共 2 个记录点 跨度 12 天
- 当前268
- 上一记录点 · 09-29 267
- 较上一记录点 +1
- 共 2 个记录点 跨度 12 天
Timeline时间线
仓库创建2024-03-03 09:39:052024-03-03
资料最后更新2026-10-26 11:57:0621 天前
最近一次代码推送2024-11-07 04:58:202024-11-07
Commit更新记录
由提交人 DVampire 提交,主要更新类型为:问题缺陷修复与稳定性提升。提交说明:Fix incorrect duration check on Windows (#91)。解决了已知运行时异常与边界错误,提升系统稳定性。