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 ★ 3257
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Python 环境与 pip(用于安装 requirements.txt 及 desktop-env)
- VMware Workstation Pro(Apple 芯片需 VMware Fusion)并配置好 vmrun 命令
- 可选:VirtualBox(VMware 不可用时替代,但并行与 Apple 芯片 macOS 支持不佳)
- 可选:Docker,需宿主机/服务器支持 KVM 以获得更好性能
安装与启动步骤
-
1获取项目源码
从 GitHub 克隆 OSWorld 仓库,后续依赖安装与运行脚本都在仓库目录内执行。
git clone https://github.com/xlang-ai/OSWorld.git cd OSWorld -
2安装项目依赖
在仓库根目录安装 requirements.txt 中的依赖;若只需要环境、不需要基准任务,可改用第二条命令。
pip install -r requirements.txt -
3仅安装环境(可选)
不使用任何基准任务、只想要桌面环境时,直接安装 desktop-env 包即可。
pip install desktop-env -
4安装并配置 VMware
安装 VMware Workstation Pro(Apple 芯片装 VMware Fusion),并配置好 vmrun 命令环境变量,具体流程见仓库文档。
-
5验证 vmrun 可用
执行后若能看到当前运行的虚拟机列表,说明 VMware 安装与环境变量配置成功。
vmrun -T ws list -
6运行快速开始示例
用最小示例与环境交互;使用 Docker 后端时需在初始化 DesktopEnv 时指定 provider_name 与 os_type。
python quickstart.py -
7查看运行结果
运行结果查看脚本,输出本次评估/交互的结果信息。
python show_result.py -
8使用 Modal 沙箱运行
不依赖本地 VMware 时可用 Modal 沙箱,通过命令行参数指定 provider 并开启无头模式。
python quickstart.py --provider_name modal --headless true
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
provider_name | 否 | 指定桌面环境后端提供方,使用 Docker 时填 docker。 | docker |
os_type | 否 | 指定虚拟机的操作系统类型,如 Ubuntu 或 Windows。 | Ubuntu |
headless | 否 | 无头模式运行,常用于 Modal 等远程沙箱环境。 | true |
如何确认成功
运行 `vmrun -T ws list` 能看到当前运行的虚拟机列表,且 `python quickstart.py` 能正常与环境交互、`python show_result.py` 输出结果,即为配置成功。
常见问题
Q:VMware 安装或使用有问题怎么办?
A:README 说明可改用 VirtualBox;但并行运行和 Apple 芯片上的 macOS 支持可能不完善。
Q:实验异常中断后系统变慢?
A:中断可能残留 docker 容器影响性能,执行 docker stop $(docker ps -q) && docker rm $(docker ps -a -q) 清理。
Q:不想安装 VMware,有别的方案吗?
A:可用 Docker 方案(适合非裸金属服务器,建议服务器支持 KVM),或用 Modal 沙箱运行 quickstart。
Q:Google / Google Drive 的账号凭证怎么配置?
A:参考仓库 SETUP_GUIDELINE.md 中的 Setup Guideline - Google Account Setup 章节。
注意事项
- Docker 方案建议在支持 KVM 的服务器上运行以获得更好性能。
- Apple 芯片设备需安装 VMware Fusion 而非 VMware Workstation Pro。
- 对照结果时请与官网最新的 OSWorld-Verified 基准成绩比较。
- README 未给出完整的依赖安装首行,建议按官方仓库文档执行。
核心亮点
- 真实环境评测,覆盖 Windows/Ubuntu/macOS 多系统,任务贴近实际使用
- 任务类型丰富,含 360+ 跨应用场景,考验智能体综合规划与操作能力
- 提供完整基线模型和评估代码,便于复现和横向对比
不足之处
- 环境搭建复杂,依赖虚拟机,硬件资源要求高
- 文档/社区待观察,上手门槛较高
适用场景
- AI 智能体研究:评估多模态模型在真实电脑操作上的表现
- 自动化办公:开发能代操作软件、处理文档的智能助手
- 人机交互评测:衡量 AI 在图形界面中的任务完成能力
替代项目
MiniWoB++、WebArena、GAIA
下一篇:vulnhuntr
同类项目推荐
langtest
开源
给大模型做全面体检,上线前揪出安全漏洞
Deliver safe & effective language models
ai-llm-comparison
开源
并排对比所有AI模型,快速选出最适合你的那个
A website where you can compare every AI Model ✨
SECA
开源
用语义等价攻击,自动逼出 LLM 的幻觉破绽
[NeurIPS 2025] SECA: Semantically Equivalent and Coherent Attacks for Eliciting LLM ···
Awesome-Machine-Generated-Text
开源
一站式找全大模型生成文本的检测与分析资源
Continuously updated list of related resources for generative LLMs like GPT and thei···
L1B3RT4S
开源
玩转 AI 提示词,用幽默解锁创意交互
TOTALLY HARMLESS LIBERATION PROMPTS FOR GOOD LIL AI'S!
superpowers-evals
开源
驱动真实编码智能体,自动评分工作流合规性
Behavioral eval lab (Quorum) for the superpowers project that drives real coding-age···
DreamLayer-Eval
开源
一键自动化评测扩散模型,告别手动调参和结果不可复现。
DreamLayer Eval: open-source benchmarking for image and video diffusion models. Auto···
arc-agi-benchmarking
开源
统一流程跑多个大模型,横向对比抽象推理成绩
Testing baseline LLMs performance across various models
claw-swe-bench
开源
统一接口跑 SWE-bench,横向比出哪个 agent 框架更能修 bug
Unified adapter framework for evaluating agent harnesses (claws) on SWE-bench
