0
0

Computer Use超详细小白教程

302.AI
2024-10-25
159
shoptop 【建站扶持计划】

免订阅费,免费SEO与代建站,16大主流媒体免费开户

   立即查看>>

大数跨境
导读:Computer Use超详细小白教程

美国时间10月22日,Anthropic推出重大更新!其中包括升级版的 Claude 3.5 Sonnet 以及一款新的 Claude 3.5 Haiku 模型,除此之外,这次还带来了全新功能Computer Use,这一功能支持像人类一样操作计算机,可以遵循用户的命令在计算机屏幕上移动光标,点击相关位置,并通过虚拟键盘输入信息,模拟人们与自己计算机的交互方式。

>   Computer Use原理

Computer Use的原理就是:本地程序每次对电脑屏幕进行截屏,通过API传给AI,AI通过多模态识别能力判断鼠标和屏幕状态,返回操作命令,本地程序接受命令,对电脑进行操作,如此反复。每一个操作都要截图一次。

>   使用官方Demo

官方demo的原理是利用docker在本地虚拟了一个linux环境,通过浏览器展示,同时用claude来控制这个虚拟linux。官方demo的优势是界面比较直观,linux环境简单可控,比较容易展示各种功能。劣势是仅仅只能作为demo,实际应用价值有限。

具体操作步骤如下(以下均在windows环境,如果是Mac,命令可能会有少许不同):

docker run ^    -e ANTHROPIC_API_KEY=%302_API_KEY% ^    -e ANTHROPIC_BASE_URL=%302_BASE_URL% ^    -v %USERPROFILE%/.anthropic:/home/computeruse/.anthropic ^    -p 5900:5900 ^    -p 8501:8501 ^    -p 6080:6080 ^    -p 8080:8080 ^    -it ghcr.io/anthropics/anthropic-quickstarts:computer-use-demo-latest

(第一次会下载一些文件,时间会久一点,偶尔会因为网络问题下载不了,多试几次)

5、运行成功,显示如下:

>   使用独立程序

(这里是我们修改的版本,将API地址改为了302.AI的地址)

独立程序的原理是使用NodeJS开发了一款桌面端的软件,它能够直接对真实的桌面进行控制。独立程序的优势是可以对真实的桌面环境进行控制,让人有种AI控制电脑的创新体验感,劣势是由于每个人的桌面环境都非常复杂,这导致demo演示中成功率非常低。尤其是这个开源程序只会使用firefox浏览器。

具体操作步骤如下(以下均在Mac环境):

1、下载并安装NodeJS环境

2、打开终端,按顺序输入下面的4条命令

git clone https://github.com/302team/302-agent.exe

下载软件包

cd 302-agent.exe

进入软件包

npm install

进行安装

ANTHROPIC_API_KEY="sk-xxxx" npm start

3、输入API KEY,在302后台生成,以sk开头。之后每次运行只需要运行第二步和最后一步。

此时应该会看到一个Agent.exe

第一次打开会需要授予比较多的权限,授予后即可使用。此时就可以使用了

>   成功案例

最后来看下通过302.AI生成的Demo,(以下demo为了方便观看,作了倍速处理)

1、搜索信息:当发送指令:“打开浏览器,搜索AI相关新闻”后,可以看到AI打开了一个网页浏览器,并在搜索引擎输入了关键词“AI新闻”,随后打开了一篇AI相关的新闻报道,最后还在对话框对搜索结果做了简单的总结:

2、玩游戏:当发送指令:“打开浏览器,进入五子棋页面,并开始游戏”,AI就会一步步找到提供的五子棋游戏网址,并点击开始游戏后,自己开始玩游戏:

3、内容抓取:可以让它直接进入网页“302.ai”,并总结网页内容反馈到对话框中:

4、AI和AI对话:在上一个demo的基础上,还可以一步步引导,最后实现利用computer use让ai和ai对话:

>  失败案例

1、数值计算:输入指令让它用计算器计算10000+1000时,计算器中得出的结果是200,原因大概率是重复点击的时候,丢失了点击。而AI模型识别到了这一错误,在对话框中输出了正确结果:11000,但这个属于作弊了。以此类推,遇到重复点击的情况,AI很有可能会出现错误,而在生产环境中,重复性的输入和点击是非常常见的。

2、信息查找:输入的指令是:打开浏览器器,进入网页"302.ai",点击价格页面,我想要使用图片放大功能,价格是多少?

在前几步,有正确的打开价格表,但是在最后查询价格的时候,出现了幻觉,答案是

而大家都知道,302.AI是一个没有任何订阅的平台,只支持按需付费,这里完全是AI的幻觉,产生了虚假信息,对人进行了误导。

>  现在存在的问题

虽然在Anthropic发布Computer Use功能后,众多博主纷纷夸大其词地赞扬这一功能,但是经过302的实测,发现存在了三个主要的问题

1、速度慢:做一步想一步,基本都要间隔10-20s,效率极低,不知Claude未来是否可以实现提前规划几步?

2、错误率高:拿计算器作为例子,让它计算10000+1000,可能会少打几个0;而且对于复杂流程,容易错乱和产生幻觉。

3、费用高:每次操作都要截屏回传进行分析,且都是几千上万的token消耗;

总的来说,慢,错,贵是三个大问题,慢和贵可以通过端侧大模型解决,但错误率的话,Claude作为最强的模型,错误率都如此之高,可想而知端侧大模型更是困难,所以在现阶段是不可能三角都兼得的。

在现阶段,Computer Use这一功能其实并没有任何实际性生产力,甚至都不好玩,仅可以作为一个Demo展示。但是随着时间的发展,这个功能一定会越来越好用,从15%的操作成功率(Anthropic官方数据),直到超越人类的操作成功率。

>  对未来的展望

最后再展望下Computer Use的未来,RPA一直是生产环境的一个刚需,Anthropic今天正式打开了AI-RPA的序幕。未来大概率会出现完全为了操作电脑而训练的端侧模型,云端模型仅仅做一次大的路径规划,其余全部交给端侧模型去处理,端侧模型可以对一些小的错误进行判断和重试,无需云端模型参与,简单理解就是有点类似自动驾驶,云端模型计算导航路线,本地模型进行驾驶。
文章来源:【302.AI】公众号
【声明】该内容为作者个人观点,大数跨境仅提供信息存储空间服务,不代表大数跨境观点或立场。版权归原作者所有,未经允许不得转载。如发现本站文章存在版权问题,请联系:contact@10100.com
302.AI 分享更新更全面的AI资讯。
总阅读13.4k
粉丝0
内容85
主页
关注