阿里PC-Agent重构人机交互，精准拆解跨应用指令，自动化办公更进一步

文章预览

PC-Agent团队 投稿 量子位 | 公众号 QbitAI 面向复杂PC任务的多模态智能体框架PC-Agent，来自阿里通义实验室。 从Office到浏览器，跨APP工作流都可以交给AI来完成了。 指令1（翻译）：在记事本应用程序中，打开“文档”中的“备忘录”文件，查看上午的第二项活动。在时钟应用程序中，在该活动开始前1小时设置闹钟。 指令2 （翻译） ：在文件资源管理器中，打开“文档”中的“旅行计划”文件，查看旅行计划的目的地。将旅行目的地添加到时钟应用程序的世界时钟列表中。在Chrome浏览器上搜索从北京到旅行目的地的航班时间。 指令3 （翻译） ：在Chrome浏览器中分别搜索英伟达（Nvidia）和苹果（Apple）的当前股价。在Excel中打开“stock_prices”文件，将公司名称写入A列，相应的股价写入B列。 指令4 （翻译） ：在Outlook中读取发给豪伊的主题为“旅行”的 ………………………………