Agent-OS：用AI掌控你的电脑！！这个 AI 代理可以控制你的电脑并做任何事情！（生成应用程序、代码、RAG 等）

Aitrainee | 公众号：AI进修生

Hi，这里是Aitrainee，欢迎阅读本期新文章。

介绍Open interpreter最佳功能之一：OS 模式，如果不太了解这个开源项目，让我给你一个快速概述：

Open interpreter 是一个 AI 代理，它几乎可以做任何你想做的事情，你只需给它一个提示，它就可以使用各种工具执行各种任务。

它使用 LLMS 运行Python、JavaScript、Shell 和其他更多本地代码，从而能够完成你需要的几乎任何任务。

OS 模式允许开放解释器查看屏幕上的内容并控制计算机输入、然后通过鼠标和键盘直观地控制操作系统，它提供了一个多模式 LLM ，如 GPT 4V。

它会尝试使用最直接的方法来实现其目标，例如在 Mac 上使用 Spotlight 打开应用程序，使用 URL 中的查询参数打开包含附加信息的网站，这样它基本上就可以控制你的电脑并做很多很酷的事情。

Open interpreter捕捉你的屏幕，并将其提供给 LLM 来确定屏幕上发生了什么，并决定下一步的操作 —— 这可能是AI控制整个操作的有效工作流程系统。

但由于它目前处于实验模式，可能会出错，所以无论如何请谨慎使用，现在让我们尝试一下，看看它是否真的可以实现它的目标。

首先，我们需要安装开放解释器，要安装它，只需打开你的终端并运行此命令 pip install open-interpreter。

OS 模式，我们想尝试一下

使用它只需运行带有 OS 标志的 Interpreter 命令，它将在 OS 模式下启动，第一次运行它时，它会要求安装一些软件包并请求权限。

只需批准它，它就会启动，你还需要输入 OpenAI API 密钥。

你没有OpenAI Key？没关系这个其实很好解决（但是有些没视觉）：

国内很多模型比如Kimi、智谱（GLM-4-Flash 免费今天了）等等大模型都兼容OpenAI格式，你只需要把你运行open-interpreter项目环境里的openai包的base_url改掉就行，

除此以外使用One-API也可以把其他大模型转为Openai格式，

当然，还有许多免费的Chatgpt API项目，都可以。

配置好之后，现在你可以要求它做任何事情，所以让我们要求它做一些简单的事情，让我们要求它打开 vs code，让我们发送提示，

你可以看到 vs code 已经打开了，它首先编写了一个苹果脚本来打开应用程序，然后截取屏幕截图，将其提供给 llm，llm 确认它已经打开，

一旦它验证了这一点，它就会将任务标记为已完成（上面他最终输出已完成），这很棒，因为它不只是假设任务已经完成，它确保了这一点。

现在让我们让它做一些更复杂的事情，让我们让它打开 Safari 浏览器，去谷歌搜索 Groq：

他完成了，相当酷。

现在让我们尝试一些更具挑战性的事情，让我们要求它从互联网上获取一些数据，比如苹果股票的当前价格，你可以看到它100%正确，这意味着它在这方面也做得很好：

让我们再要求它创建一个新的项目目录并在 vs code 中打开它，这将帮助我们了解它是否可以处理文件管理和其他任务。

你可以看到它有能力做到这一点，这也非常令人印象深刻。

我认为它几乎可以做任何事情，是的，它可能会消耗大量的代币，但我认为人工智能可以控制你的整个电脑真是太疯狂了！

它比过时的代理如 Agent Zero 或 Agent K 要好得多，我认为Open interpreter可能是最好的人工智能代理之一，因为它工作得很好，速度极快，它在一分钟内完成任务，这真的很酷，

如果 OS 模式支持 Ollama，我会很高兴，但我认为它目前还不支持，所以这是未来可以添加的内容，总的来说，我认为它很酷，

🌟希望这篇文章对你有帮助，感谢阅读！如果你喜欢这系列文章请以 点赞 / 分享 / 在看 的方式告诉我，以便我用来评估创作方向。

参考链接：
[1] github：https://github.com/OpenInterpreter/open-interpreter

知音难求，自我修炼亦艰

抓住前沿技术的机遇，与我们一起成为创新的超级个体

（把握AIGC时代的个人力量）

点这里👇关注我，记得标星哦～

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~