GUI、Computer Use 与多模态 Agent

本分类共 12 个专题 · 1649 道题

16245

语音 Agent 执行时间较长时，如何及时反馈进度，避免用户以为系统卡死？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

方案设计

进阶

18264

浏览器自动化项目为什么选择 Skyvern，而不从零开发或直接使用 Selenium、Playwright？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

技术决策

进阶

18269

浏览器 Agent 用 DOM 哈希缓存动作时，怎样清洗页面并设计缓存身份？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

方案设计

进阶

2982

项目使用即梦生成视频的具体过程是什么？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

项目深挖

进阶

3284

自动将主题报告推送到 B 站和小红书。

Agent 原理与系统GUI、Computer Use 与多模态 Agent

代码题

进阶

3603

如何用 Agent 根据图片定位对应代码？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

系统设计

进阶

5996

如何将语言定位、分割和跟踪组合成对象级视觉工具链？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

系统设计

进阶

暂无面经 1 个题集来源

6115

如何为 Web 或 GUI Agent 设计并验证动作条件环境模型？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

方案设计

深入

暂无面经 1 个题集来源

8363

用户只要求修改图片局部文字时，如何避免其他区域发生变化？

Agent 原理与系统GUI、Computer Use 与多模态 Agent

方案设计

进阶