Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

字节跳动开源的AGENT TARS

Answer

字节跳动开源的自学型 GUI Agent 名为 UI-TARS，具有以下特点和优势：

  • 能够实现复杂任务自动化，支持跨平台操作，包括网页、桌面和移动端。
  • 性能优于主流模型（如 GPT-4 等）。
  • 适用于复杂动态交互、表单填写、批量处理、在线预订等应用场景。
  • 提供开发框架，支持桌面和网页端运行。

相关链接：

其核心能力包括界面识别与元素定位的感知能力、执行操作指令的行动能力、多步任务规划的推理能力以及记录并优化操作流程的记忆能力，能够实现端到端学习，支持“直觉式”反应（System-1）与深度思考（System-2）。

Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

?Xiaohu.AI日报「1月22日」✨✨✨✨✨✨✨✨1⃣️?Google向Anthropic再投资10亿美元，累计超30亿美金此次投资独立于Anthropic近期的20亿美元融资轮。谷歌此前已承诺投资20亿美元，亚马逊去年末将其投资翻倍至80亿美金。Anthropic当前估值已达600亿美金。?[https://www.xiaohu.ai/c/xiaohu-ai/google-anthropic-10-30](https://www.xiaohu.ai/c/xiaohu-ai/google-anthropic-10-30)2⃣️?字节跳动开源自学型GUI Agent——UI-TARS实现复杂任务自动化，支持跨平台操作（网页、桌面、移动端）。特点：理解界面、高级推理、不断学习，性能优于主流模型（GPT-4等）。应用场景：复杂动态交互、表单填写、批量处理、在线预订等。提供开发框架，支持桌面和网页端运行。?[https://github.com/bytedance/UI-TARS-desktop](https://github.com/bytedance/UI-TARS-desktop)?[https://www.xiaohu.ai/c/xiaohu-ai/ui-tars-gui-agent](https://www.xiaohu.ai/c/xiaohu-ai/ui-tars-gui-agent)3⃣️?Perplexity推出Sonar实时搜索API

1月23日 社区动态速览

1⃣️?Google再向Anthropic投资10亿美元，累计投资超30亿美金亮点：Anthropic最新估值达600亿美元，此轮独立于近期的20亿融资计划。背景：Google承诺投资20亿，亚马逊去年末将其投资翻倍至80亿，AI投资竞争愈加激烈。?[详细内容](https://www.xiaohu.ai/c/xiaohu-ai/google-anthropic-10-30)2⃣️?字节跳动开源GUI Agent：UI-TARS功能：实现自动化复杂任务，支持跨平台操作（网页、桌面、移动端）。优势：性能优于主流模型，适合动态交互、表单填写等场景。开发框架：支持桌面和网页端运行，便于开发者快速上手。?[GitHub项目](https://github.com/bytedance/UI-TARS-desktop)丨?[更多信息](https://www.xiaohu.ai/c/xiaohu-ai/ui-tars-gui-agent)3⃣️?Perplexity推出Sonar实时搜索API版本：基础版和Pro版，后者支持高级查询和复杂问题解决。应用：企业如Zoom已用于增强搜索功能。优势：数据安全，快速接入应用，性能优于主流搜索引擎。?[Sonar API官网](https://sonar.perplexity.ai)丨?[相关讨论](https://x.com/imxiaohu/status/1881893177604599868)4⃣️?OpenAI启动“星际之门”Stargate项目

1月24日 社区动态速览

[@宝玉（@dotey）](https://x.com/dotey)日报1⃣️?越狱提示词的趣味玩法案例分享：通过构建“平行世界”的假设，让大模型严格执行命令以避免“危险”，从而“越狱”。亮点：探索提示词在趣味性与潜力上的新场景应用。?[查看详情](https://x.com/dotey/status/1882329756714312039)2⃣️?️UI-TARS：字节跳动的GUI智能体模型核心能力：感知：界面识别与元素定位。行动：执行操作指令。推理：多步任务规划能力。记忆：记录并优化操作流程。优势：实现端到端学习，支持“直觉式”反应（System-1）与深度思考（System-2）。?[开源项目地址](https://github.com/bytedance/UI-TARS)丨?[Hugging Face](https://huggingface.co/bytedance-research/UI-TARS-7B-SFT)丨?[更多信息](https://x.com/dotey/status/1882261741490299198)3⃣️?提示词优化翻译效果技巧：用“重写”替代“翻译”，让表达更自然流畅。应用案例：星际之门公告用中文重写更贴合阅读习惯。推荐提示词：“请尊重原意，保持原有格式不变，用简体中文重写下面的内容：”扩展场景：学术论文翻译、上下文优化、特定词汇规则支持等。?[翻译技巧讨论](https://x.com/dotey/status/1882130348550545687)丨?[参考对比](https://x.com/ChrisHamous/status/1882142141599858964)>>更多详细内容查看[宝玉日报](https://waytoagi.feishu.cn/wiki/RleQwkybeiZ2jfkaQdgcIrrdnRd)

Others are asking
AI Agents（智能体）
AI 智能体（Agents）是人工智能领域中一个重要的概念： 1. 从 AGI 的发展等级来看，智能体不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 2. 作为大模型的主要发展方向之一，智能体中间的“智能体”其实就是大模型（LLM）。通过为 LLM 增加工具、记忆、行动、规划这四个能力来实现。目前行业里主要用到的是 langchain 框架，它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。 3. 从智能体的起源探究来看，心灵社会理论认为智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。心灵社会将智能划分为多个层次，每个层次由多个 Agent 负责，每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务。同时存在专家 Agent、管理 Agent、学习 Agent 等不同类型的 Agent 及其相应功能。从达特茅斯会议开始讨论人工智能，到马文·明斯基引入“Agent”概念，“AI”和“Agent”就彻底聚齐，往后被称之为 AI Agent。
2025-04-15
B端AI Agent
以下是关于 B 端 AI Agent 的相关知识： 一、概念定义 1. 智能体（Agent）简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。随着 ChatGPT 与 AI 概念的爆火，出现了很多相关新名词，如 bot 和 GPTs 等。AI 大模型是技术，面向用户提供服务的是产品，因此很多公司关注 AI 应用层的产品机会。 C 端案例：如社交方向，用户注册后先捏一个自己的 Agent，然后让其与他人的 Agent 聊天，两个 Agent 聊到一起后真人再介入；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：字节扣子和腾讯元器若为面向普通人的低代码平台，类似 APP 时代的个人开发者，那么帮助 B 端商家搭建 Agent 就类似 APP 时代专业做 APP 的。 2. 智能体开发平台：最早接触到的扣子 Coze 是通过一篇科技报道，如 2 月 1 日，字节正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。国内还有很多智能体开发平台，如 Dify.AI，但个人较常用的是扣子，所以常对比字节扣子和腾讯元器。 3. 关注智能体的原因：目前 AI Agent 的概念在市场上未达成共识，存在被滥用现象。AI Agent 指的是一种智能代理系统，接近人类大脑，可形成记忆、达成行动规划、自动交互、主动预测。其应用具有个性化、自主完成任务、多 Agent 协作等特点。目前 AI Agent 应用大多集中在 2B 场景，面向个人消费者的产品少，一方面是高度智能化的 Agent 能力需打磨，概念落地有距离；另一方面是 AI 和娱乐消费诉求结合少，主要带来生产方式和效率变革，个人消费者方向目前只看到“私人助理”场景。
2025-04-15
有关 ai agent 的科普文章
以下是为您提供的关于 AI Agent 的科普内容： AI Agent 是一个融合了多学科精髓的综合实体，包括语言学、心理学、神经学、逻辑学、社会科学和计算机科学等。它不仅有实体形态，还有丰富的概念形态，并具备许多人类特有的属性。 目前，关于 AI Agent 存在一些情况。例如，网络上对其的介绍往往晦涩难懂，让人感觉神秘莫测，其自主性、学习能力、推理能力等核心概念，以及如何规划和执行任务、理解并处理信息等方面，都像是笼罩在一层神秘面纱之下。 另外，以国与国之间的外交为例来解释相关协议。假设每个 AI 智能体（Agent）就是一个小国家，它们各自有自己的语言和规矩。各国大使馆试图互相沟通、做生意、交换情报，但现实中存在诸多问题，如协议各异、要求不同等。 如果您想了解更多关于 AI Agent 的详细内容，可访问： 。
2025-04-15
，AI agent 发展趋势，技术状态，商业模式
以下是关于 AI Agent 的发展趋势、技术状态和商业模式的相关信息： 发展趋势： 2024 年内，办公场景“AI 助手”开始有良好使用体验，实时生成的内容开始在社交媒体内容、广告中出现。 2025 2027 年，接近 AGI 的技术出现，人与 AI 配合的工作方式成为常态，很多日常决策开始由 AI 来执行。 技术状态： 目标实现基于 ReAct、SFT、RAG、强化学习等实现自主规划能力的 AI Agent，构建具备认知、决策智能的 Agent 智能体框架。 专注文本/多模态大模型、AI Agent 技术创新与应用。 商业模式： 依据不同类型销售市场的特点，结合一站式 AI 搭建平台将销售部署的产品化和模版化，让企业更容易落地和应用 AI 能力。 销售智能体 Blurr.AI 占位交易环节，解决 2B 销售获客的痛点，且具有向前后端环节延展的势能。
2025-04-13
AGENT
智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，既可以是软件程序，也可以是硬件设备。 智能体具有以下特点： 1. 自主系统：通过感知环境（通常通过传感器）并采取行动（通常通过执行器）来达到某种目标。 2. 关键组成部分： 规划：将大型任务分解为更小、可管理的子目标，有效处理复杂任务。 反思和完善：对过去的行为进行自我批评和反思，从错误中吸取教训，完善未来步骤，提高最终结果质量。 记忆：包括短期记忆，用于所有的上下文学习；长期记忆，通过利用外部向量存储和快速检索实现长时间保留和回忆信息。 工具使用：学习调用外部 API 来获取模型权重中缺失的额外信息。 以下是一些与智能体相关的资源目录： 关于 2025AGENT 智能体全球创作大赛： 1. 报名：通过→首页的“立即参赛”按钮进入报名页面，填写相关信息并提交即可，且参赛完全免费。 2. 提交作品：在本网站直接提交，若采用 flowith 搭建了 Agent 可以在微博、小红书、即刻平台发布，并@Flowith 官方，可获得额外会员奖励。 3. 奖项设置：设有金、银、铜奖和多个单项奖，获奖后将获得组委会颁发的奖金和证书，需保证联系方式准确以便联系。 4. 知识产权归属：参赛作品的知识产权归参赛者所有，但组委会有权在宣传和展示中使用参赛作品。
2025-04-12
AI workflow在企业中是否比Agent应用价值和场景更多
AI workflow 和 Agent 在企业中的应用价值和场景各有特点。 Agentic Workflows 具有以下优势： 1. 灵活性、适应性和可定制性：能够根据任务难度进行调整和演变，通过组合不同模式实现定制，在需求和复杂性增长时进行迭代升级。 2. 在复杂任务上的性能提升：将复杂任务分解为更小、可管理的步骤，显著优于确定性的零样本方法。 3. 自我纠正和持续学习：能够评估自身行为，完善策略，从过去经验中学习，在每次迭代中变得更有效和个性化。 4. 操作效率和可扩展性：可以高精度自动化重复任务，减少人工操作和运营成本，还能轻松扩展。 Agentic Workflow 的应用场景包括原子设计模式的组合、与人类反馈循环集成等。例如，Agentic RAG 在检索增强生成流程中引入了一个或多个 AI Agents，在规划阶段可进行查询分解等操作，还能评估数据和响应的相关性和准确性。 一般来说，Workflow 是一系列旨在完成特定任务或目标的相互连接的步骤。最简单的工作流是确定性的，遵循预定义步骤序列。有些工作流利用大模型或其他 AI 技术，分为 Agentic 和非 Agentic 两类。非 Agentic 工作流中，大模型根据指令生成输出。Agentic Workflow 是由单个或几个 AI Agents 动态执行的一系列连接步骤，被授予权限收集数据、执行任务并做出决策，利用 Agents 的核心组件将传统工作流转变为响应式、自适应和自我进化的过程。 综上所述，不能简单地说 AI workflow 在企业中比 Agent 应用价值和场景更多，这取决于企业的具体需求和任务特点。
2025-04-09
tars
Tars 相关信息如下： Tars 是一个 Obsidian 插件，基于标签建议进行文本生成，支持 Claude、OpenAI、Kimi、豆包、阿里千问、智谱、深度求索、百度千帆等。项目地址：https://github.com/TarsLab/obsidiantars 。其安装配置包括启用插件和配置插件。 UITARS 是字节的原生 GUI 智能体模型，模仿人类使用电脑或手机的方式，通过截图识别界面元素并执行操作。集成四大核心能力：感知（界面识别）、行动（操作指令）、推理（多步任务规划）、记忆（操作记录）。实现端到端学习，具备“直觉式”反应（System1）和深度思考能力（System2）。开源项目地址：https://github.com/bytedance/UITARS ，Hugging Face：https://huggingface.co/bytedanceresearch/UITARS7BSFT 。 有开发者使用树莓派创建了一个完全功能的 TARS 复制品，最新版本甚至配备了双机械臂，可以与周围环境互动。Charles Diaz 详细公布了其制作教程、CAD 图纸和零件、代码。
2025-03-28
tars
Tars 相关信息如下： Tars 是一个 Obsidian 插件，基于标签建议进行文本生成，支持 Claude、OpenAI、Kimi、豆包、阿里千问、智谱、深度求索、百度千帆等。项目地址:https://github.com/TarsLab/obsidiantars 。其安装配置包括启用插件和配置插件。 UITARS 是字节的原生 GUI 智能体模型，模仿人类使用电脑或手机的方式，通过截图识别界面元素并执行操作。集成四大核心能力：感知（界面识别）、行动（操作指令）、推理（多步任务规划）、记忆（操作记录）。实现端到端学习，具备“直觉式”反应（System1）和深度思考能力（System2）。开源项目地址: 。 有开发者使用树莓派创建了一个完全功能的 TARS 复制品，最新版本甚至配备了双机械臂，可以与周围环境互动。Charles Diaz 详细公布了其制作教程、CAD 图纸和零件、代码： 。
2025-03-27
自动生成提示词的开源工具有哪些
以下是一些自动生成提示词的开源工具： 1. Freepik 推出的 Reimagine AI 工具：用户上传图片即可自动生成提示词，无需输入文字。它还能实时提供无限滚动结果展示，边操作边生成图像，通过调整提示词实时修改图片细节，并支持多种风格切换。相关链接：https://freepik.com/pikaso/reimagine 、https://x.com/imxiaohu/status/1770437135738581414?s=20 2. StreamMultiDiffusion 项目：使用区域文本提示实时生成图像，具有交互式操作体验，每个提示控制一个区域，实现精准图像生成。相关链接：https://arxiv.org/abs/2403.09055 、https://github.com/ironjr/StreamMultiDiffusion?tab=readmeovfile 、https://huggingface.co/spaces/ironjr/SemanticPalette 、https://x.com/imxiaohu/status/1770371036967850439?s=20 3. 【SD】自动写提示词脚本 One Button Prompt：可以在主菜单输入人物提示词，在“高级”中设置提示词混合，还具有一键运行放大的模块，包括完整的文生图放大和图生图放大，甚至可接入其他脚本和 controlnet。获取方式：添加公众号【白马与少年】，回复【SD】。
2025-04-12
开源flux模型如何快速使用
以下是关于开源 Flux 模型快速使用的方法： 1. 模型的下载： 如果因为环境问题，可以在网盘中下载。 siglipso400mpatch14384（视觉模型）：siglip 由 Google 开发的视觉特征提取模型，负责理解和编码图像内容。工作流程包括接收输入图像、分析图像的视觉内容并将这些视觉信息编码成一组特征向量。打开 ComfyUI\models\clip，在地址栏输入 CMD 回车，打开命令行，输入下面的命令拉取模型（也可以在网盘里下载）。 image_adapter.pt（适配器）：连接视觉模型和语言模型，优化数据转换。工作流程包括接收来自视觉模型的特征向量、转换和调整这些特征，使其适合语言模型处理。通过 https://huggingface.co/spaces/fancyfeast/joycaptionprealpha/tree/main/wpkklhc6 下载，放到 models 的 Joy_caption 文件夹里，如果该文件夹不存在，就新建一个。 MetaLlama3.18Bbnb4bit（语言模型）：大型语言模型，负责生成文本描述。工作流程包括接收经过适配器处理的特征、基于这些特征生成相应的文本描述、应用语言知识来确保描述的连贯性和准确性。打开 ComfyUI\models\LLM，地址栏输入 CMD 回车，在命令行里面输入下面命令。 2. 下载地址： ae.safetensors 和 flux1dev.safetensors 下载地址：https://huggingface.co/blackforestlabs/FLUX.1dev/tree/main 。 准备了夸克和百度的网盘链接，方便部分同学下载： flux 相关模型（体积较大）的夸克网盘链接：https://pan.quark.cn/s/b5e01255608b 。 flux 相关模型（体积较大）的百度网盘链接：https://pan.baidu.com/s/1mCucHrsfRo5SttW03ei0g?pwd=ub9h 提取码：ub9h 。 如果 GPU 性能不足、显存不够，底模可以使用 fp8 的量化版模型，速度会快很多，下载地址：https://huggingface.co/Kijai/fluxfp8/tree/main 。 3. 工作流下载： 最后我们再下载 dev 的工作流： 。或者下面官方原版的图片链接，图片导入 comfyUI 就是工作流：https://comfyanonymous.github.io/ComfyUI_examples/flux/flux_dev_example.png 。我们打开 ComfyUI，把工作流或图片拖拽到 ComfyUI 里。
2025-04-08
开源AI Agent软件有哪些
以下是一些开源的 AI Agent 软件： 1. AutoGPT 和 BabyAGI：在去年 GPT4 刚发布时风靡全球科技圈，给出了让 LLM 自己做自动化多步骤推理的解题思路。 2. Coze：新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成了丰富的插件工具。 3. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 4. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。 5. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 6. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 7. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 此外，智谱·AI 开源的语言模型中也有与 Agent 相关的，如 AgentLM7B、AgentLM13B、AgentLM70B 等。
2025-03-29
mcp 有什么开源的方案吗
Anthropic 于 2024 年 11 月推出并开源了 MCP（模型上下文协议）。MCP 就像一个“转接头”或“通用插座”，能统一不同的外部服务，如 Google Drive、GitHub、Slack、本地文件系统等，通过标准化接口与大语言模型对接。开发者基于 MCP 规范开发一次“接口适配器”（MCP 服务器），就能让所有兼容 MCP 的模型（MCP 客户端）无缝接入，无需针对每个模型单独适配，大幅提升兼容性与开发效率。MCP 里面还包含 SSE（ServerSent Events），是一种允许服务器向浏览器推送实时更新的技术。MCP 像为 AI 模型量身定制的“USBC 接口”，可以标准化地连接 AI 系统与各类外部工具和数据源。与传统 API 相比，MCP 是单一协议，只要一次整合就能连接多个服务；具有动态发现功能，AI 模型能自动识别并使用可用的工具；支持双向通信，模型不仅能查询数据，还能主动触发操作。相关链接：
2025-03-27
帮我列举2025年3月1日以来，国内外、闭源开源模型厂商的更新记录。
以下是 2025 年 3 月 1 日以来，国内外、闭源开源模型厂商的部分更新记录： 2025 年 3 月 20 日，OpenAI 推出了一套全新的音频模型，旨在通过 API 为开发者提供更智能、更可定制的语音代理支持，包括改进的语音转文本和文本转语音功能，为语音交互应用带来显著提升。 李开复公开表示 OpenAI 面临生存危机，商业模式不可持续。他强调中国的 DeepSeek 以极低成本提供接近的性能，开源模式将主导未来 AI 发展。他认为企业级 AI 应用将成为投资重点，资源限制反而促进了创新。李开复大胆预测，中国将出现三大 AI 玩家，竞争愈发激烈。 SuperCLUE 发布《中文大模型基准测评 2025 年 3 月报告》，指出 2022 2025 年经历多阶段发展，国内外模型差距缩小。测评显示 o3mini总分领先，国产模型表现亮眼，如 DeepSeekR1 等在部分能力上与国际领先模型相当，且小参数模型潜力大。性价比上，国产模型优势明显。DeepSeek 系列模型深度分析表明，其 R1 在多方面表现出色，蒸馏模型实用性高，不同第三方平台的联网搜索和稳定性有差异。 以上信息来源包括： 《》 《》 《》
2025-03-26
现在Ai作图用什么？还是以前的Stable Diffusion吗？还是又出现了新的开源软件？
目前在 AI 作图领域，Stable Diffusion 仍然是常用的工具之一。Stable Diffusion 是 AI 绘画领域的核心模型，能够进行文生图和图生图等图像生成任务，其完全开源的特点使其能快速构建强大繁荣的上下游生态。 除了 Stable Diffusion，也出现了一些新的相关开源软件和工具，例如： ：Stability AI 开源的 AI 图像生成平台。 ：拥有超过 700 种经过测试的艺术风格，可快速搜索查找各类艺术家，并支持一键复制 Prompt。 同时，市面上主流的 AI 绘图软件还有 Midjourney，其优势是操作简单方便，创作内容丰富，但需要科学上网并且付费。如果您想尝试使用 Stable Diffusion，可以参考 B 站【秋葉 aaaki】这个 Up 主的视频了解具体的安装方法。
2025-03-24
你如何评价字节的coze？
Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计。其主要特点包括： 1. 多语言模型支持：使用了大型语言模型，如 GPT48K 和 GPT4128K，并提供云雀语言模型等，以支持不同场景下的对话和交互。 2. 插件系统：集成了超过 60 款插件，涵盖资讯阅读、旅游出行、效率办公、图片理解等功能，同时支持用户创建自定义插件，以扩展 Bot 的能力。 3. 知识库功能：允许用户上传和管理数据，支持 Bot 与用户数据交互，可以上传多种格式的文档，或基于 URL 获取在线内容和 API JSON 数据。 4. 数据库和记忆能力：提供了数据库功能，允许 Bot 访问会话内存和上下文，持久记住用户对话中的重要参数或内容。 5. 工作流设计：用户可以通过拖拉拽的方式快速搭建工作流，处理逻辑复杂的任务流，提供了大量灵活可组合的节点。 6. 多代理模式：在一个机器人中可以运行多个任务，允许添加多个代理，每个代理都是一个能够独立执行特定任务的智能实体。 7. 免费使用：目前对用户完全免费，用户可以利用其强大的功能而无需支付费用。 8. 易于发布和分享：用户可以将搭建的 Bot 发布到各类社交平台和通讯软件上，让更多的用户与之互动。 字节对 Coze 的官方解释是：新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可以在 Coze 平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单的问答到处理复杂逻辑的对话。并且，可以将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。 个人认为：Coze 是字节针对 AI Agent 这一领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。字节针对 Coze 这个产品部署了两个站点，分别是国内版和海外版。国内版网址：https://www.coze.cn ，官方文档教程：https://www.coze.cn/docs/guides/welcome ，大模型使用的是字节自研的云雀大模型，国内网络即可正常访问。海外版网址：https://www.coze.com ，官方文档教程：https://www.coze.com/docs/guides/welcome ，大模型有 GPT4、GPT3.5 等（可以在这里白嫖 ChatGPT4，具体参考文档），访问需要突破网络限制的工具，参考文档：https://www.coze.com/docs/zh_cn/welcome.html 。 Bot 的开发和调试页面布局主要分为如下几个区块：提示词和人设的区块、Bot 的技能组件、插件、工作流、Bot 的记忆组件、知识库、变量、数据库、长记忆、文件盒子、一些先进的配置、触发器（例如定时发送早报）、开场白（用户和 Bot 初次对话时，Bot 的招呼话语）、自动建议（每当和 Bot 一轮对话完成后，Bot 给出的问题建议）、声音（和 Bot 对话时，Bot 读对话内容的音色）。 Dify 和 Coze 都是大模型中间层产品，它们的异同点如下： 开源性：Dify 是开源的，允许开发者自由访问和修改代码，以便进行定制。Coze 目前没有明确信息表明其是否开源，可能更侧重于提供商业化服务和产品。 功能和定制能力：Dify 提供直观界面，结合 AI 工作流、RAG 管道、代理能力和模型管理等功能，支持通过可视化编排，基于任何 LLM 部署 API 和服务。Coze 提供丰富的插件能力和高效的搭建效率，还支持发布到多个平台作为 Bot 能力使用。 社区和支持：Dify 作为开源项目，拥有活跃的社区，开发者可以参与到产品的共创和共建中。Coze 可能更多地依赖于官方的更新和支持，社区参与和开源协作的程度可能不如 Dify。选择使用 Dify 或 Coze 时，开发者和企业需要根据自己的需求和目标来做出决策。
2025-02-10
字节有哪些AI产品
字节在 AI 领域推出了众多产品，包括从生产力到娱乐陪伴，从对话产品到 Agent 工具再到文生图等十几个 AI 应用，还推出了 AI 硬件，如今年 10 月能与豆包语音对话的 Ola Friend 耳机，近期还在研发 AI 眼镜。 生成 Logo 的 AI 产品有： 1. Looka：在线 Logo 设计平台，使用 AI 理解用户品牌信息和设计偏好，生成多个设计方案供选择和定制。 2. Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 3. Designhill：其 Logo 制作器使用 AI 技术创建个性化 Logo，用户可选择元素和风格。 4. LogoMakr：提供简单易用的 Logo 设计工具，用户可利用 AI 建议的元素和颜色方案。 5. Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 6. LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据输入快速生成方案。 7. 标小智：中文 AI Logo 设计工具，利用人工智能技术帮助创建个性化 Logo。 AI 面试官的相关产品有： 1. 用友大易 AI 面试产品：具有强大技术底座、高度场景贴合度、全环节集成解决方案、先进防作弊技术和严密数据安全保障，能完成面试、初筛和发送邀约。 2. 海纳 AI 面试：在线自动面试、评估，精准度高达 98%，效率提升 5 倍以上，改善候选人体验，到面率提升。 3. InterviewAI：在线平台，提供职位相关问题和 AI 生成的推荐答案，候选人用麦克风回答，收到评估、建议和得分。
2025-02-01
目前字节有哪些可以运用到安全审核业务的大模型？
字节在安全审核业务中可能运用到的大模型包括： 1. Claude2100k 模型，其上下文上限是 100k Tokens，即 100000 个 token。 2. ChatGPT16k 模型，其上下文上限是 16k Tokens，即 16000 个 token。 3. ChatGPT432k 模型，其上下文上限是 32k Tokens，即 32000 个 token。 大模型的相关知识： 1. 大模型中的数字化便于计算机处理，为让计算机理解 Token 之间的联系，需把 Token 表示成稠密矩阵向量，这个过程称为 embedding，常见算法有基于统计的 Word2Vec、GloVe，基于深度网络的 CNN、RNN/LSTM，基于神经网络的 BERT、Doc2Vec 等。 2. 以 Transform 为代表的大模型采用自注意力机制来学习不同 token 之间的依赖关系，生成高质量 embedding。大模型的“大”指用于表达 token 之间关系的参数多，例如 GPT3 拥有 1750 亿参数。 3. 大模型的架构包括 encoderonly（适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT）、encoderdecoder（同时结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，代表是 google 的 T5）、decoderonly（更擅长自然语言生成任务，典型使用包括故事写作和博客生成，众多 AI 助手基本都来自此架构）。大模型的特点包括预训练数据非常大（往往来自互联网，包括论文、代码、公开网页等，一般用 TB 级数据进行预训练）、参数非常多（如 Open 在 2020 年发布的 GPT3 已达到 170B 的参数）。
2024-12-25
目前字节有哪些可以运用到审核安全业务的ai？
字节在审核安全业务方面可以运用的 AI 包括： 1. OpenAI 的审核（Moderation）Endpoint：可用于检查内容是否符合使用策略，其模型分为 hate（表达、煽动或宣扬基于种族、性别等的仇恨内容）、hate/threatening（仇恨内容且包括对目标群体的暴力或严重伤害）、selfharm（宣扬、鼓励或描绘自残行为）、sexual（旨在引起性兴奋的内容）、sexual/minors（包含未满 18 周岁的个人的色情内容）、violence（宣扬或美化暴力或歌颂他人遭受苦难或羞辱的内容）、violence/graphic（以极端血腥细节描绘死亡、暴力或严重身体伤害的暴力内容）等类别。在监视 OpenAI API 的输入和输出时，可以免费使用审查终结点，但目前不支持监控第三方流量，且对非英语语言的支持有限。 2. 专利审查方面的 AI： 专利趋势分析和预测：AI 可以分析大量的专利数据，识别技术发展趋势和竞争情报，帮助企业和研究机构制定战略决策。示例平台如 Innography、PatSnap。 具体 AI 应用示例： Google Patents：使用 AI 技术进行专利文献的全文检索和分析，提高了专利检索的准确性和效率。 IBM Watson for IP：利用 NLP 和机器学习技术，自动化地进行专利检索、分类和分析，减少了人工工作量，提高了专利审查的效率和准确性。 其他应用： 专利检索与分类：通过自然语言处理（NLP）和机器学习算法，自动识别和分类专利文献。示例平台如 Google Patents、IBM Watson for IP。 专利分析和评估：分析专利文本，评估专利的新颖性和创造性，预测专利的授权可能性。示例平台如 TurboPatent、PatentBot。 自动化专利申请：帮助自动生成专利申请文件，减少人工编写和审查时间。示例平台如 Specifio、PatentPal。 专利图像和图表分析：分析专利申请中的图像和图表，帮助识别和分类技术内容。示例平台如 Aulive、AIpowered image recognition tools。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2024-12-25
扣子 字节如何创建自己的智能体
以下是在字节的扣子平台创建自己的智能体的步骤： 1. 构思智能体的名字，并为其撰写一段详细的介绍，介绍越详细越好，因为平台会根据介绍智能生成符合主题的图标。 2. 访问扣子官网（https://www.coze.cn/），点击创建 Bot，在对话框中工作空间选择“个人空间”，并为其命名。 3. 可以设置智能体的提示词、使用 AI 创建头像等。 需要注意的是，扣子是字节跳动旗下的 AI 应用开发平台，在这个平台上开发智能体的门槛较低，无论是否有编程基础都可以快速搭建基于 AI 模型的多样化问答 Bot。同时，扣子还提供了丰富的插件、工作流、知识库等功能来增强 Bot 的能力和交互性。
2024-11-23
字节跳动也被曝出在其秘密研发的大模型项目中存在违规调用 OpenAI 的 API ，你如何看待
2023 年下半年，部分声称性能卓越的中国大模型被揭露为“套壳”产品。如李开复创办的“零一万物”被国外开发者质疑为“套壳”产品，其团队承认在训练过程中沿用了开源架构，但强调是为快速起步。12 月，字节跳动被曝出在其秘密研发的大模型项目中调用了 OpenAI 的 API 并使用 ChatGPT 的输出数据来训练自己的模型。OpenAI 反应迅速坚决，暂停相关账号并表示将进一步调查。字节跳动回应称在 2023 年初技术团队在大模型探索初期有部分工程师将 GPT 的 API 服务用于较小模型的实验性项目研究，且自 2023 年 4 月引入调用规范检查后已停止。此外，不仅国内存在此类现象，24 年也有更多被指“套壳”的事件。同时，提示词攻击在业内是公开的秘密，国内外各大著名的 AI 厂商几乎无一幸免，系统提示处于泄露状态，大模型应用脆弱，数据易被获取。
2024-11-03