Manus的爆火，真的是打开了AI Agent的潘多拉魔盒。

继开源社区2小时复刻出了OpenManus后，ChatGPT也是连夜发布了最新的AI Agent API，最近国内大厂字节跳动也发布了它们最新的AI Agent TARS，而且还是免费开源的。

我安装体验后的感觉是，它跟Manus非常的像，操作界面也是左右布局，左边是AI对话框，右边是一台虚拟机电脑，可以访问浏览器和编写代码，这个交互应该是借鉴Manus的。

据悉，字节内部有多个团队都在做 AI Agent 方向的探索，跟腾讯当年的赛马机制一样。

Agent TARS应该是建立在字节跳动此前发布的UI-TARS模型之上。UI-TARS是一款创新的原生GUI（图形用户界面）代理模型，旨在通过类似人类的感知、推理和行动能力，实现与图形用户界面的无缝交互。

与传统的模块化框架不同，UI-TARS将感知、推理、接地（grounding）和记忆等关键组件集成到一个统一的视觉-语言模型（VLM）中 。这种集成化的设计理念，使得UI-TARS能够在没有预定义工作流程或人工干预的情况下，实现全面的任务自动化。

相比于Manus，TARS支持了MCP模型上下文协议，使得它的可拓展性更强了。

据官网介绍，TARS有这些特点：

1. Agentic Workflow Orchestration（代理工作流编排）

TARS最大的亮点在于其强大的工作流编排能力。不同于传统的单一指令-响应模式，TARS能够:

• 自动分解复杂任务为多个子任务

• 根据任务需求动态调用不同的工具和资源

• 在子任务之间建立逻辑关联，形成完整的工作流

• 灵活处理任务过程中的异常和变化

这种能力使TARS能够处理需要多步骤、多工具协作的复杂任务，大大提升了其实用性和适用范围。

2. Comprehensive Tool Support（全面的工具支持）

TARS支持调用多种外部工具，包括但不限于：

• 浏览器工具：能够自动浏览网页、搜索信息、填写表单等

• 命令行工具：执行各种系统命令，实现文件操作、程序运行等功能

• 文件工具：读取、写入、处理各类文件，支持多种格式

• API调用：连接各类第三方服务和数据源

• 数据分析工具：进行数据处理和分析

这种全面的工具支持使TARS成为一个真正能够"看得见、摸得着、做得到"的AI助手，而不仅仅是一个对话机器人。

3. Real-time Artifact（实时工件）

TARS引入了"实时工件"的概念，这是其区别于其他AI Agent的重要特性：

• 在任务执行过程中，TARS会生成各种中间产物（工件）

• 用户可以实时查看这些工件，了解任务进展

• 用户可以随时对工件进行修改和干预

• 工件之间可以形成依赖关系，构成完整的任务成果链

这种特性极大地提升了用户与AI协作的体验，使AI的工作过程更加透明和可控。

这些功能相结合，使 Agent TARS成为用于AI辅助浏览、研究和任务执行的强大且多功能的工具，来看一些具体的演示：

让Agent TARS分析下，为什么特拉斯的股价最近一直下跌？

我们再让Agent TARS，帮我们做一个从四川到西藏15天的自驾游方案。

可以看到，Agent TARS确实会去自动分析和规划任务，在执行任务的过程中，会通过浏览器来检索大量信息，根据检索的数据进行分析和总结，最后输出Markdown格式的文件。

跟Manus对比，我觉得Agent TARS的执行速度会快一些，但是它在生成的结果可视化方面没有Manus做的好，Manus可以给我们输出一些可视化的网页。

Agent TARS的安装也非常的简单，只需要通过这个链接下载最新的安装包

https://github.com/bytedance/UI-TARS-desktop/releases?q=Agent+Tars&expanded=true

安装成功后，需要进行一些基础的配置，目前Agent TARS只支持ChatGPT-4o和Claude-3.7模型，所以我们需要在设置页面将appkey配置上去

我们在体验过程中，也发现Agent TARS目前还不够稳定，所以不建议在生产中使用它。

我相信Agent TARS应该会越发稳定和完善，毕竟是出自大厂。

字节跳动通过TARS的推出，不仅丰富了国内AI Agent市场的选择，也为整个行业注入了新的活力。我们期待看到更多优秀的国产AI Agent产品问世，共同推动这一领域的创新和发展。

 

 

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓