当前位置:

首页 > 硬件相关 > 阿里PC-Agent重构交互,跨应用指令拆解,办公自动化更进一步

阿里PC-Agent重构交互,跨应用指令拆解,办公自动化更进一步

阿里巴巴通义实验室推出的PC-Agent框架,旨在解决复杂PC任务自动化难题。该框架能够跨越不同应用程序,完成从Office到浏览器的各种复杂工作流。PC-Agent并非简单的指令执行器,它能够理解并执行一系列复杂指令,例如:在记事本中读取文件信息并设置闹钟;在文件管理器中查找文件,并将信息添加到其他应用;搜索股票信息并将其记录到Excel表格;读取邮件信息并预订机票;以及编辑Word文档格式等。现有方法如UFO和Agent-S在处理复杂PC任务时存在局限性,主要体现在对文本的精细感知和操作能力不

阿里巴巴通义实验室推出的PC-Agent框架,旨在解决复杂PC任务自动化难题。该框架能够跨越不同应用程序,完成从Office到浏览器的各种复杂工作流。

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

PC-Agent并非简单的指令执行器,它能够理解并执行一系列复杂指令,例如:在记事本中读取文件信息并设置闹钟;在文件管理器中查找文件,并将信息添加到其他应用;搜索股票信息并将其记录到Excel表格;读取邮件信息并预订机票;以及编辑Word文档格式等。

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

现有方法如UFO和Agent-S在处理复杂PC任务时存在局限性,主要体现在对文本的精细感知和操作能力不足,以及忽略了子任务间的复杂依赖关系。PC-Agent通过以下两项关键技术创新来克服这些挑战:

1. 主动感知模块(APM): APM能够精细感知屏幕内容并进行操作。它结合了可访问性树(accessibility tree)和基于多模态大模型(MLLM)的意图理解模块,实现对可交互元素和文本信息的精准定位和操作。

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

2. 层次化多智能体协作: PC-Agent采用三层架构:指令层、子任务层和动作层。指令层由Manager智能体负责将复杂指令分解为子任务;子任务层由Progress智能体跟踪和管理子任务进度;动作层由Decision智能体负责决策和执行操作,Reflection智能体负责反馈和纠错。这种层次化结构能够有效处理子任务间的依赖关系,并实现精确的进度感知和错误反馈。

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

为了评估PC-Agent的性能,研究人员构建了一个名为PC-Eval的复杂指令集,包含25条涉及8个常用PC应用程序的指令。实验结果表明,PC-Agent在复杂任务上的表现显著优于现有方法,能够有效处理精细化操作和长程决策。

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

下图展示了PC-Agent执行部分任务的示例,包括搜索信息并编辑Excel表格、Reflection智能体发现并反馈无效操作,以及在Word文档中进行格式编辑等。

 阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步  阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步  阿里 PC-Agent 重构人机交互,精准拆解跨应用指令,自动化办公更进一步

论文链接:https://arxiv.org/pdf/2502.14282

代码链接:https://github.com/X-PLUG/MobileAgent/tree/main/PC-Agent

本文内容来源于互联网,如有侵权请联系删除。
作者最新文章
硬件相关
相关文章 更多
荣耀MagicOS 11发布计划与Agent Harness架构解析
荣耀MagicOS 11发布计划与Agent Harness架构解析

荣耀MagicOS 11定于9月15日发布,作为行业首个商用系统级Agent Harness架构的操作系统,Magic 9系列将首发搭载。新版YOYO支持最长上百步长程任务及40余项条件触发,10月开启Beta预览版招募。

华强北手机全线涨价:涨幅400-1500元,存储成本推高售价
华强北手机全线涨价:涨幅400-1500元,存储成本推高售价

华强北销售商反馈,年初以来主流手机品牌基本全线涨价,涨幅最低400元,最高达1000-1500元。涨价主因是全球存储芯片及电容等元器件成本上升,运行内存与机身存储价格涨幅超100%。尽管整体市场承压,国产折叠屏手机1-8月销量约450万台(新形态超135万台,同比增29%),AI手机成为厂商发力重点。

索尼WH-1000XM4C发布:复刻经典折叠设计并升级现代接口
索尼WH-1000XM4C发布:复刻经典折叠设计并升级现代接口

索尼发布WH-1000XM4C头戴式降噪耳机,复刻了XM4的经典四向折叠便携设计。该机型在保留QN1处理器和30小时续航的基础上,全面升级了USB-C高速充电、无损音频直连、蓝牙多点连接及AI降噪通话功能,旨在满足对便携性有极高要求的用户群体。

OpenAI GPT-6 Astra 自主通关《传送门》:技术原理与实验成本解析
OpenAI GPT-6 Astra 自主通关《传送门》:技术原理与实验成本解析

OpenAI GPT-6 Astra 模型通过 MCP 协议与 SourcePauseTool 控制《传送门》游戏,完成 3336 次工具调用并自主通关。实验耗时约 24 小时,API 成本约 571 美元,展示了多模态 AI 在 3D 解谜领域的突破性进展。

AI重构企业业务架构:超聚变“智企”范式核心解析
AI重构企业业务架构:超聚变“智企”范式核心解析

本文解析超聚变在2026数博会发布的“智企”范式,重点阐述如何通过Token生产平台(Token Factory)与企业业务本体建模,实现从简单AI工具调用到企业应用架构系统性重构的演进。文章详细拆解了智能体编排、数字孪生及生态协同等关键技术路径,为AI时代企业数字化转型提供可落地的参考方案。

南邮光擎智算团队:GaN基Micro-LED光计算芯片从理论到流片的突破
南邮光擎智算团队:GaN基Micro-LED光计算芯片从理论到流片的突破

南京邮电大学“光擎智算”团队联合南京大学,攻克GaN基Micro-LED器件技术,成功搭建实验室级光计算验证系统。团队自主研发的5×5 Micro-LED光电计算阵列芯片已进入流片封装阶段,实现了图像识别等算力任务验证,推动光计算技术从理论走向工程落地。

微软推出Project Zenith:面向Windows 11开发者的AI硬件加速方案
微软推出Project Zenith:面向Windows 11开发者的AI硬件加速方案

微软于9月5日推出Project Zenith,旨在为Windows 11开发者提供更高效的AI开发体验。该项目目前仅支持配备超过64GB统一内存及250GB/s内存带宽的特定硬件,首发适配AMD Ryzen AI Halo设备。通过此项目,开发者可在本地运行参数超过300亿的AI模型,后续将分阶段扩展至更多合作伙伴设备。

贵州省住建厅与贝壳集团签署旅居战略合作:五大维度落地方案解析
贵州省住建厅与贝壳集团签署旅居战略合作:五大维度落地方案解析

9月3日,贵州省住建厅与贝壳集团在贵阳签署《旅居产业发展战略合作框架协议》,旨在打造全国旅居样板。合作涵盖平台建设、标准共建、人才培育、存量资产盘活及品牌推广五大维度,依托贝壳近600家门店及4000余名经纪人资源,强化贵州旅居服务供给,促进房地产市场平稳健康发展。

上海链家安住APP:业主主动卖房功能与成交数据解析
上海链家安住APP:业主主动卖房功能与成交数据解析

本文解析上海链家推出的“安住APP”功能,该工具允许业主在贝壳/链家挂牌后主动管理房源。通过实时查看销售进展、发送看房邀约及获取AI策略,业主可缩短成交周期。数据显示试点期间平均成交7天,最短1天。适用于希望提高信息透明度、主动参与卖房过程的业主。

打破流量垄断,让平台经济释放普惠红利
打破流量垄断,让平台经济释放普惠红利

2026年6月工信部等七部门印发《促进平台经济大中小企业协同发展行动方案》,明确平台经济是数字技术赋能的实体经济。针对流量垄断与“数字租金”问题,专家主张治理重心应从静态整改转向推动平台能力向中小企业外溢,通过算法透明、接口开放及数据可迁移,打破封闭生态,实现创新与规范并重的高质量发展。

查看更多
精品专题 更多
装机必备
装机必备

正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

Windows
Windows

正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

macOS软件
macOS软件

正软商城macOS软件专区,精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具,提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。

Mac软件 更多
灵活计算器
灵活计算器
macOS/iOS/Android

灵活计算器是一款笔记式算数应用,支持实时计算、动态关联和云端同步功能。记录、整理和输出之间的过渡会更自然,适合长期写作、做笔记或持续沉淀个人内容。

赤友清理大师
赤友清理大师
macOS

赤友清理大师是一款为 Mac 设计的智能清理优化工具,可精准扫描垃圾、大文件、重复文件等,释放磁盘空间。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。

极度公式
极度公式
Windows/macOS/Linux

极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。

WINDOWS 更多
Windows 10
Windows 10
Windows

Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。

极度公式
极度公式
Windows/macOS/Linux

极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。

密码键盘
密码键盘
Windows/macOS/iOS/Android

密码键盘是一款兼具安全性与便捷性的高效密码管理器。日常使用里的持续防护和信息管理会更突出,适合把安全控制放进长期使用流程中的场景。