项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2407
技术标签
使用教程
⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- macOS 或 Linux 终端环境(README 使用 brew 安装依赖)
- Poetry 包管理器(用于 Python 依赖管理)
- ffmpeg(屏幕/视频流处理依赖)
- E2B 账户,用于创建 Desktop Sandbox 云端沙箱
- 可用的开源 LLM 提供方凭据(Fireworks / OpenRouter / Llama API 等)
安装与启动步骤
-
1安装系统依赖
README 明确要求先装 Poetry 和 ffmpeg,macOS 上直接用 brew 一次装好,安装后可用 poetry -V 检查。
brew install poetry ffmpeg -
2获取项目代码
把仓库克隆到本地,后续配置和运行都在该目录内进行。
git clone https://github.com/e2b-dev/open-computer-use.git -
3配置模型提供方
编辑 os_computer_use/config.py,把 grounding、vision、action 三个模型替换成自己要用的 provider 与模型。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
grounding_model | 是 | 负责在屏幕截图中定位可操作元素 | providers.OSAtlasProvider() |
vision_model | 是 | 负责理解屏幕截图内容,提供视觉判断 | providers.GroqProvider("llama3.2") |
action_model | 是 | 负责把自然语言指令转成具体操作序列 | providers.GroqProvider("llama3.3") |
如何确认成功
README 节选只到依赖安装,未给出启动命令,需按仓库完整 README 的运行步骤启动后观察沙箱画面是否实时回传。
常见问题
Q:按 README 装完依赖后怎么启动?
A:本次节选未包含运行命令,请查看仓库完整 README 的安装与运行章节,按官方最新步骤执行。
Q:可以换成自己的开源模型吗?
A:可以。项目支持 10+ LLM 以及 OS-Atlas、ShowUI,只需在 os_computer_use/config.py 中替换对应 provider 与模型名。
Q:没有 brew(Linux/Windows)怎么办?
A:README 只给了 brew 命令,非 macOS 环境请用系统自带包管理器自行安装 poetry 与 ffmpeg。
Q:需要哪些 API 凭据?
A:需要所选模型提供方(Fireworks、OpenRouter、Llama API 等)的凭据,以及 E2B 沙箱服务;README 未列出具体变量名。
注意事项
- 本次 README 节选缺少依赖安装(poetry install)与启动命令,实际部署请以仓库最新 README 为准。
- 模型 provider 的 API Key 需自行申请并配置,README 节选未给出具体环境变量名称。
- 项目依赖 E2B Desktop Sandbox 提供云端 Linux 桌面,运行前需确认沙箱服务可用。
- config.py 中的三个模型可以混搭不同 provider,按需替换即可。
核心亮点
- 完全基于开源模型(Qwen2-VL 等),无闭源依赖,成本可控
- 集成 E2B 桌面沙箱,AI 操作在隔离环境运行,安全可靠
- 提供简洁 Python API 和 CLI,快速上手,支持自定义模型接入
不足之处
- 依赖 E2B 云服务,本地部署需额外配置,离线使用受限
- 文档/社区待观察
适用场景
- 自动化网页操作,如表单填写、数据抓取
- 软件 GUI 自动化测试,模拟用户点击和输入
- 个人助理场景,通过自然语言指令完成电脑日常任务
替代项目
OpenInterpreter、Self-Operating Computer、UI-TARS
上一篇:OpenOutreach
下一篇:superglue
同类项目推荐
jevry
开源
说句话,让 AI 替你操作浏览器完成任务
Your browser. Ready to act. An MIT-licensed desktop browser agent for website tasks,···
BrowserOS
开源
让浏览器自己干活,你只管下指令
The open-source Agentic browser; alternative to ChatGPT Atlas, Perplexity Comet, Dia···
herdr-browser
开源
在终端窗格里直接看并操控真实 Chromium 网页
Render a real Chromium view inside a Herdr pane and drive it over CDP.
Agently-Daily-News-Collector
开源
用 LLM 自动收集每日新闻,省去手动筛选烦恼。
An open-source LLM based automatically daily news collecting workflow showcase power···
airflow
开源
定时任务写成代码全自动跑,睡醒数据已备好
Apache Airflow - A platform to programmatically author, schedule, and monitor workfl···
google-ai-mode-skill
开源
零配置即用,搜索带引用,写稿查证不踩坑
Claude Code skill for free Google AI Mode search with citations. Zero-config setup, ···
tg2obsidian
开源
把 Telegram 消息自动存进 Obsidian,告别手动复制粘贴
This bot pulls new messages from a Telegram chat or group and puts them into Obsidia···
superglue
开源
说人话,自动生成生产级系统集成工具。
superglue's AI agents connect, migrate and implement enterprise systems. Cloud-hoste···
TikTok-Compilation-Video-Generat···
开源
自动抓取TikTok素材,一键合成合集视频,多用户VPS部署。
A system of bots that collects clips automatically via custom made filters, lets you···
