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。今天我们就教一教大家,如何通过302.AI平台来进行测试。

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。

Computer Use超详细小白教程

如何使用官方Demo

github地址:https://github.com/anthropics/anthropic-quickstarts/tree/a306792de96e69d29f231ddcb6534048b7e2489e/computer-use-demo#accessing-the-demo-app

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

1、下载docker程序并安装:https://www.docker.com/

Computer Use超详细小白教程

2、运行CMD

Computer Use超详细小白教程

3、设置环境变量,复制下面的代码,点击回车

(其中API KEY在302后台生成,以sk开头)

set 302_BASE_URL=https://api.302.ai
set 302_API_KEY=sk-xxx

Computer Use超详细小白教程

4、下载并运行官方demo,复制以下代码,点击回车

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

Computer Use超详细小白教程

(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:

Computer Use超详细小白教程

点击http://localhost:8080 即可体验

Computer Use超详细小白教程

如何使用独立程序

github链接:https://github.com/302team/302-agent.exe

(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:https://nodejs.org/en/download/prebuilt-installer

Computer Use超详细小白教程

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。

Computer Use超详细小白教程

此时应该会看到一个Agent.exe

Computer Use超详细小白教程

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

Computer Use超详细小白教程

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:

Computer Use超详细小白教程

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:

Computer Use超详细小白教程

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:

Computer Use超详细小白教程

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:

Computer Use超详细小白教程

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。Computer Use超详细小白教程

2、信息查找:输入的指令是:打开浏览器,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

Computer Use超详细小白教程

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。

Computer Use超详细小白教程

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,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。

Like (5)
302.AI302.AI
Previous 2024 年 10 月 23 日 下午6:55
Next 2024 年 10 月 28 日 下午3:52

相关推荐

  • AI图片工具箱应用:如何将两张照片合成拥抱视频?

    用AI技术,将两张拍摄于不同时间,或是处于不同空间的人物照片,合并在一起,并进行拥抱互动,是最近海外很火的一个短视频趋势。 在TikTok上已经有很多博主发布了“AI拥抱视频”的内容,且相关话题#huggingai##aihug#的热度只增不减,热门视频获赞从几千到几十万不等,评论区互动也非常活跃。 这一视频的出现,让人们一定程度上弥补一些遗憾和满足一些情感…

    2024 年 9 月 24 日
    1.3K00
  • AI与传统文化结合,快速制作AI古诗词绘本及视频

    古诗词,作为中国传统文化的重要支柱,承载着厚重的历史与文化底蕴。而很多孩子从小就接触、熟背古诗词,对于众多小朋友而言,古诗词不仅是知识的传递,更是在他们成长的道路上,悄然播撒在心田的那粒传统文化的种子。 近年来,随着AI技术的出现和发展,AI技术与传统文化的结合成为了一种新趋势。AI古诗绘画绘本和视频应运而生,为孩子们带来生动的诗词学习体验,同时让传统文化焕…

    2024 年 10 月 14 日
    72100
  • 302.AI让所有大模型开启Artifacts可视化交互

    什么是Artifacts? 在数字化时代,AI对话工具已经成为我们日常工作的得力助手。然而,这些工具通常局限于输出纯文本内容,如Markdown和代码,使得用户在验证AI生成内容的实际效果时,不得不在多个软件和平台间频繁切换,这一过程不仅耗时耗力,还极大地降低了生产力和工作流畅性。 如今,Claude 3.5 Sonnet的Artifacts功能以其创新的技…

    2024 年 10 月 29 日
    1.1K00
  • 一分钟学会制作动物打工视频,让你的内容火遍社交媒体

    在互联网发展时代,短视频已经成为了人们娱乐和获取信息的重要方式,想要视频作品能够吸引大众,创意至关重要,而随着AI技术的发展,让很多天马行空的视频创意得到实现。 最近,不知道你有没有在互联网短视频平台刷到这样一些小动物打工的视频,这些视频将可爱的动物形象与各种职业场景巧妙结合,获得了非常不错的流量: 许多体验过AI工具的用户可能已经发现,这类小动物打工视频实…

    2024 年 10 月 11 日
    54000
  • AI视频实时翻译工具,再也不用等美剧翻译!

    看视频已经成为了现代人不可缺少的娱乐放松方式,尤其是随着全球化的发展和互联网的普及,人们接触的内容越来越多,观看国外的视频也很方便,比如一些有趣的短视频、电视剧电影、演讲、纪录片等。 然而对于一些观众来说,没有中文翻译的外语视频犹如天书一般,听不懂外语、看不懂内容,就无法享受看视频带来的乐趣了。 试想一下,作为一个追剧爱好者,好不容易等到新剧集更新,却看到一…

    2024 年 10 月 17 日
    52000

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注