AgentCPM

AgentCPM-GUI是由清华大学与面壁智能团队联合开发的开源端侧GUI代理系统，专门针对中文应用场景进行了优化。该模型基于MiniCPM-V（80亿参数）构建，能够通过智能手机截图进行输入，并自主完成用户指定的操作任务。其训练数据涵盖大量中文安卓应用界面，显著提升了对GUI元素的理解和定位能力。在中文Grounding Benchmark和Agent Benchmark中，AgentCPM-GUI均表现出色，成为首个专注于中文应用优化的开源GUI代理系统。 AgentCPM-GUI具备多项核心功能，包括理解并操作多种中文应用、自动执行任务步骤、精准识别和定位GUI元素以及OCR文本识别与操作。技术上，它采用大规模中文界面数据预训练，结合强化微调（RFT）策略优化任务执行效果，并通过紧凑的动作空间设计提升移动端部署效率。项目已开源，用户可通过GitHub和HuggingFace获取相关资源。 该工具适用于智能助手、自动化测试、老年关怀、视障人士辅助及企业应用自动化等多个场景，具有广泛的实用价值。