Mobile-Agent: 强大的 GUI 代理家族

简介

Mobile-Agent 是由阿里巴巴通义实验室开发的 GUI 代理家族，专注于跨平台和多模态代理技术。它广泛应用于移动设备和 PC 的自动化任务，具有强大的感知、规划和执行能力。

功能特点

1. 跨平台交互：支持移动设备和 PC 的自动化操作。
2. 多模态支持：结合视觉感知和语言理解，实现复杂任务自动化。
3. 动态任务分解：能够动态分解任务并进行规划和进度管理。
4. 异常处理：具备强大的异常处理和反思能力，提高稳定性。

最新动态

• 2025.9.10：开源了 Mobile-Agent-v3 代码。
• 2025.8.29：开源了 AndroidWorld 基准测试代码。
• 2025.8.20：发布了全新的 GUI-Owl 和 Mobile-Agent-v3。

应用场景

• 移动设备：自动化操作如搜索、保存内容等。
• PC：自动化创建 PPT、插入文本等任务。
• Web：自动化搜索航班信息等。

研究与引用

Mobile-Agent 系列工作已被多个顶级会议接受，包括 NeurIPS 2024 和 ICLR 2025。

获取与支持

• GitHub 仓库：X-PLUG/MobileAgent
• 许可证：MIT