自主计算机：面向计算机操作智能体的基础设施｜Simular 创始人 Ang Li

📌 One-Sentence Summary

Simular 创始人 Ang Li 介绍让智能体拥有独立桌面的构想，并通过现场工作流说明视觉交互、代码复用、结果验证与操作防护如何配合。

📝 Summary

Ang Li 介绍 Simular 为智能体提供独立计算机的目标，回顾团队从早期不稳定的视觉定位，逐步走向更成熟的计算机操作系统。他把屏幕截图和无障碍界面快照视为互补信号，并指出重复任务不能每次都从语言模型的推理重新开始。团队提出的符号层会把成功的操作轨迹保存为代码或 skill：后续运行复用稳定步骤，界面发生变化时再由智能体介入。现场示例包括查找会议讲者、处理表单，以及把工作流保存后用于另一天的查询。演讲还讨论云桌面、多平台支持、并行智能体、结果验证和不可逆操作的防护。这是一份内容丰富的一手产品分享，但部分现场演示有等待，可靠性提升仍有待更系统的实测。

💡 Main Points

计算机操作智能体需要独立环境和多种观察信号。

Li 比较屏幕截图与无障碍界面信号，并认为专属云桌面能让多个智能体并行执行可见任务。

符号化代码层可以降低重复工作流的成本并提高稳定性。

智能体首次探索界面后，将成功轨迹保存为可复用的代码或 skill，后续直接重放已知步骤。

可靠性还依赖验证、适应变化和操作防护。

演讲讨论了结果检查、界面变化后的恢复、模糊指令澄清，以及在不可逆操作前暂停。

💬 Key Quotes

不必每次都花费同样多的 token。

第二次运行工作流时，或许已有一半工作可以由代码完成。

有时，简单的解决方案反而更好。

📊 Article Meta

AI Screening： 90

Featured： Yes

Source： AI Engineer

Author： AI Engineer

Category： 人工智能

Language： 英文

Read Time： 46 min

Word Count： 11489

Tags：

AI 与智能应用 , AI电脑操作 , AI Agent , Agent Skills , 视频

Play Full Video