Self-Operating ComputerÅpen-kilde AI-agent som opererer din datamaskin gjennom skjermvisning og mus og tastatur-kontroll.

4.7 (6)

Anmeldt av Daniel Nikulshyn·Oppdatert mai 2026

Open Source AI Agent Computer Use Desktop Automation Multimodal AI Developer Tools Research

Oversikt

Self-Operating Computer er en åpen kildekode-ramme som lar multimodale AI-modeller styre en skrivebord som en person gjør. Den tar skjermbilder, tolker innstyren og sender mus- og tastaturlukk på å utføre brukerdefinerte oppgaver over noen enkelt til en annen applikasjon. Prosjektet støtter flere underliggende modeller, inkludert GPT-4 med visjon, Gemini, Claude og LLaVA, som tillater brukerne å velge mellom løsninger på molnet og lokalt. Fordi det fungerer visuelt, og ikke gjennom API'er, kan det teoretisk operere noen hvilken som helst program som en menneske kan bruke, fra nettlesere til nativt programvare. Det er primært rettet mot utviklere og forskere som utforsker selvstyrende agenter, kunstig intelligens for dataverksbruken og automatisering av arbeidsflyter. Innstillingen gjøres gjennom kommandolinja, og oppgaver beskrives med naturlige språkuppgaver.

Nøkkelfunksjoner

Skjermbildefångst for skjermforståelse
Automatisert mus og tastatur-kontroll
Multi-modell-støtte (GPT-4, Gemini, Claude, LLaVA)
Naturlig språk-tasks påbud
Tilkommelighet på skrivebord på flere plattformer
Åpen-kilde, utvidelig kodebase

Priser

Modell: Freemium
Kategori: Oppgaveautomatisering
Vurdering: 4.7 / 5 (6)

Brukstilfeller

Prototyper for selvbærende datamaskinbruk-agenter

Forsker og utvikler kan eksperimentere med visjonbaserede AI-agenter som perker skjermen og kontrollerer mus og tastatur for å fullføre brukerdefinerte skrivebordsoppgaver.

Automatisere tvær-applikasjonsflow

Bruk naturlig språk-påbud for å drive sekvenser over nettlesere og native applikasjoner, siden rammen opererer noen programmer visuelt heller enn å avhenge av APIs.

Målmodell-benchmark på UI-tasks

Sammenligne GPT-4 med visjon, Gemini, Claude og LLaVA på identiske skjerm-kontroll-oppgaver for å evaluere pålitelighet, hastighet og kostnadstrading.

Utvid en åpen-kilde agent-framefork

Fork og modificar kodebasen for å addere nye modeller, verktøy eller oppgavestrateier, bygge eget autonomt agent på toppen av en fungerende base.

Fordeler og ulemper

Fordeler

Gratis og åpen kilde
Fungerer med flere LLM-er med visjontelespredning
Kontrollerer noen synlige applikasjoner, ikke bare nettlesere
Brukelig base for agentforskning og eksperimentering

Ulemper

Pålitelighet avhenger sterkt av valgt modell
Kræver teknisk innstilling via terminal
Kan være langsom og gjøre feil i brukergråten
API-brukerutgifter kan bygge seg opp på lange oppgaver

Anmeldelser

4.7

Gjennomsnitt fra 6 vurderinger.

Logg inn for å legge igjen en anmeldelse.

Victor Nguyen

May 25, 2026

Does the job

Pretty happy overall. Cross-platform desktop compatibility just works and controls any visible application, not just web. but no dealbreakers — I'd recommend it to a friend without hesitating.

Nadia Petrova

Feb 23, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is cross-platform desktop compatibility — handled better than most — and free and open source. Worth the time if this is your use case.

Gunnar Eriksson

Jan 9, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: cross-platform desktop compatibility and works with multiple vision-capable LLMs. Where it lags: requires technical setup via terminal. On balance the feature set — especially automated mouse and keyboard control — justifies the 5 stars for our use case.

Leila Hassan

Nov 11, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on automated mouse and keyboard control, and controls any visible application, not just web caught me off guard. Can be slow and make UI mistakes is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Joanna Kowalski

Jul 30, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is open-source, extensible codebase — handled better than most — and useful base for agent research and experimentation. Can be slow and make UI mistakes is my one real gripe. Worth the time if this is your use case.

Devin Walker

Jun 25, 2025

Does the job

Pretty happy overall. Automated mouse and keyboard control just works and controls any visible application, not just web. Can be slow and make UI mistakes can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.