Self-Operating ComputerAçık kaynaklı bir AI agenti, ekran görüşü ve fare/klipardan oluşan bir otomasyon aracı.

4.7 (6)

İnceleyen Daniel Nikulshyn·Güncellendi Mayıs 2026

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

Genel Bakış

Sürükle-Düzent Bilgisayar, açık kaynaklı bir çerçeve olup, çok modlu AI modellerini, bir insan tarafından aynı şekilde kontrol etmesine olanak tanır. Ekran görüntülerini yakalar, arayüzü yorumlar ve mouse tıklamaları ve klavye girişleri göndererek tüm uygulamalar üzerinde kullanıcı tanımlı görevleri tamamlamaya sahiptir. Proje, GPT-4 ile görme, Gemini, Claude ve LLaVA gibi çeşitli alt modelleri destekler, kullanıcıların bulut ve yerel seçenekleri arasında seçim yapmalarını sağlar. Çünkü görsel olarak çalıştığı için API'lardan değil, teorik olarak insanlar tarafından kullanılan herhangi bir programı çalıştırmak için kullanılabilir, tarayıcılar dahil yerel yazılımlardan. Çoğunlukla geliştiriciler ve araştırmacılar tarafından bağımsız ajitler, bilgisayar kullanımı AI ve iş akış otomasyonu alanında keşif için tasarlanmıştır. Ayarlamalar komut satırı üzerinden gerçekleştirilir ve görevler doğal dil metinleri ile açıklanır.

Temel özellikler

Ekran görüntüsü temelli ekran anlaşma
Otomatik fare ve klavye kontrolü
Çok-model desteği (GPT-4, Gemini, Claude, LLaVA)
Doğal dil görevi emirleri
Çok platformlu masaüstü uyumluluğu
Açık kaynaklı, genişletilebilen kod base

Fiyatlar

Model: Freemium
Kategori: Görev otomasyonu
Puan: 4.7 / 5 (6)

Kullanım senaryoları

Otonom bilgisayar kullanımı gibi prototip agentler oluşturmak

Araştırmacılar ve geliştiriciler, ekranı algılayabilen vision-tabanlı AI agent'ler üzerinde deney yapabilir, fare ve klavye ile kullanıcı tanımlı masaüstü görevlerini tamamlayabilir

Çok uygulama akışı otomatize etmek

Doğal dil emirleri kullanarak, API'ye dayanmak yerine her programa ve görüntülü olarak browserler ve yerel uygulamalar arasındaki seri akışları tanımlayabilirsiniz

UI görevleri üzerinde multimodal modelleri belirlemek

GPT-4 görüşüyle karşılaştırın, Gemini, Claude ve LLaVA'ya ek olarak, doğruluk, hız ve maliyet trade-off'lerini değerlendirin

Açık kaynaklı bir agent frameworkunu genişletmek

Forklayın ve kod base'sini yeni modeller, işlemler veya görev stratejileri ekleyerek, özelleştirilmiş otomatik ajan'lar oluşturmak için bir çalışan temel kullanın.

Artılar ve eksiler

Artılar

Ücretsiz ve açık kaynak
Çoklu görme-kapasiteli LLMlerle uyumludur
Herhangi bir web uygulaması kadar tüm görünür uygulamaları kontrol eder
Ajan araştırması ve deneylemeleri için faydalı bir temel

Eksiler

Seçilen modelin doğrulamasına çok bağlıdır
Terminal üzerinden teknik kurulum gerektirir
Hızlı ve UI hataları yapabilir
Güncel API kullanım maliyetleri uzun görevlerde birikir

İncelemeler

4.7

6 puandan ortalama.

İnceleme bırakmak için giriş yap.

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.