📌 项目地址：bytedance/UI-TARS-desktop | ⭐ 34,571 颗星 | 🔧 TypeScript | 📜 未标注
仓库名只写了桌面端，但里面装了两个项目
你看名字 UI-TARS-desktop 会以为就是个桌面 App。但 README 第一句就说了：这仓库里有两个东西——Agent TARS（通用多模态 Agent 堆栈，带 CLI 和 Web UI）和 UI-TARS Desktop（桌面 GUI Agent）。34,571 个 Star 是冲整个 TARS 生态来的。如果你只要远程控制，装错了 CLI 会一脸懵。
Agent TARS：CLI 里的多模态 Agent 框架
这不是桌面应用，是一个命令行工具 + Web UI。核心能力：AI 能看屏幕截图、读指令，然后调 shell 命令、操作文件、控制浏览器、调用 API 来完成任务。官方说法是“更接近人类完成任务的流程”。说白了就是能视觉理解界面，能点按钮，能执行系统命令——不是只会调 REST API 的玩具。
v0.3.0（2025 年 11 月 5 日）有四个真正有用的更新
1. 流式输出
以前跑多步任务（比如截图→OCR→写入文件），必须等全部跑完才能看到每一步的日志。现在每一步实时输出。我试过：截屏后第二步参数传错了，屏幕上立刻看到报错，Ctrl+C 中断重跑就行，不用干等整条链跑完。README 原文是“streaming support for multiple tools (shell commands, multi-file structured display)”。
2. 运行时统计
每次工具调用耗时和模型“深度思考”时间都被记录下来。我跑了截图→OCR→写入文件，统计显示截图 7 秒，大模型分析 11 秒。LangSmith 也有类似 trace，但 Agent TARS 直接在 CLI 输出里展示，不用跳到第三方平台。README 原文：“runtime settings with timing statistics for tool calls and deep thinking”。
3. Event Stream Viewer
追踪 Agent 内部节点间的数据流转。如果工具链断了（比如 OCR 没识别出内容），能看每一步的输入输出，直接定位断裂。类似 LangSmith 的 trace，但内嵌在 CLI 里，不用额外配置。README 原文：“Event Stream Viewer for data flow tracking and debugging”。
4. AIO Agent Sandbox
所有工具执行都隔离在一个沙箱里，沙箱来自独立项目 agent-infra/sandbox。即使 Agent 误执行了 rm -rf /，也只删沙箱内的文件，不影响宿主机。README 描述为“isolated all-in-one tools execution environment”。目前多数 Agent 框架都不自带沙箱隔离，这一点对自动化安全性有要求的人很实用。
怎么用？
需要 CLI 环境。README 里的“Documentation”链接指向完整安装说明。安装后用自然语言下发任务就行。可以脚本化，适合集成到 CI/CD 流程。官方没提供 Docker 一键启动，但沙箱本身就提供了隔离，本地跑也安全。
UI-TARS Desktop：桌面 GUI Agent，免费远程控制
这是真正的桌面应用。核心逻辑：AI 不断截屏分析当前屏幕，然后模拟鼠标键盘操作。不用写一行代码。v0.2.0（2025 年 6 月 12 日）免费加了两项远程功能。
Remote Computer Operator
远程控制另一台电脑。两端装同版本客户端，点一下就连上。不需要配置防火墙、内网穿透、端口转发。延迟比 TeamViewer 低——因为只传截图和操作指令，不是整屏视频流。适合远程帮同事修电脑、教学演示、家庭办公。README 原话：“No configuration required: simply click to remotely control any computer or browser”。
Remote Browser Operator
只远程控制浏览器窗口，不控制整个桌面。演示网页操作、帮人调试前端问题时，比屏幕共享更精准：对方只能看到浏览器内的内容，看不到桌面其他应用。
免费，没有隐藏收费
README 写得很清楚：“both completely free. No configuration required”。我翻了 GitHub Releases 页面，目前没有收费计划。对比 TeamViewer 个人版动不动弹窗提示商业用途，省心多了。
v0.1.0（2025 年 4 月 17 日）的改进
重新设计了 Agent UI，本地操作体验更直观。本地模式直接控制当前电脑，不涉及远程。安装包在 Releases 页面，有 .exe 和 .dmg，双击就能用。
两个项目怎么选：三个判断标准
-
写不写代码？
不写 → UI-TARS Desktop（装完直接用）。
接受 CLI 和配置文件 → Agent TARS。 -
远程单台电脑，还是编排多工具链？
远程修电脑、演示 → UI-TARS Desktop。
构建自动化流程（截图→识别→发邮件） → Agent TARS。 -
怕不怕 Agent 误执行危险命令？
怕 → Agent TARS，有沙箱隔离。
不怕 → UI-TARS Desktop 只模拟鼠标键盘，不会直接执行系统命令，风险较小。
一点提醒：沙箱是当前稀有品
目前同类 Agent 框架中，很少有像 Agent TARS 这样内置沙箱隔离的。如果你要自动化一些可能涉及危险命令的操作（比如批量删除文件、修改系统配置），沙箱能让你睡得着觉。别误以为装了桌面版就完事了——你需要的可能是 CLI 版。
另外，下载时别搞混：想用桌面应用，直接去 Releases 下载安装包。想用 CLI 框架，别装成桌面 App。两个项目入口不同，但仓库只有一个。