Claude Computer Use API - 大模型如真人操纵电脑
发表于|更新于|大语言模型
Claude Computer Use API是Anthropic为Claude模型推出的革命性功能,它让AI能够像真人一样操控电脑屏幕——移动鼠标、点击按钮、输入文字、滚动页面、浏览文件等。与传统的API调用不同,Computer Use API让Claude能”看”到屏幕截图,理解界面布局,然后自主执行操作。这意味着Claude可以帮你完成填写表单、查找文件、操作软件等一系列需要图形界面交互的任务,真正实现了”AI替你用电脑”。
相关推荐
2024-11-29
Claude Analysis Tool-Claude最新在线编码解析文档功能
Claude Analysis Tool是Anthropic为Claude推出的在线代码分析和文档解析功能。它让Claude能够直接运行Python代码、分析数据、生成图表和处理各种文档格式。与传统的聊天界面不同,Analysis Tool提供了一个交互式的代码执行环境——你可以让Claude编写并运行代码来处理你的数据,结果以图表或表格形式直接呈现。这对于数据分析、报告生成和编程学习来说是一个极其强大的功能。 访问入口

2025-03-16
How to implement your first MCP server
来看看How_to_implement_your_fir…这款工具,本文分享它的主要功能、特色亮点和实际使用感受。 Today I’m going to show you guys how to implement your own MCP server and plug it into claude, so that you could invoke it when talking to Claude. First, let’s create a folder, let’s say, mcp, then cd into it, and then vim to create and edit a server.py file, implement your codes like this…

2024-12-22
Kimi视觉推理大模型:差评!
看网上都在吹Kimi的视觉推理大模型,说得神乎其技,可以取代OpnAI 200刀每月的专业版之类的,真有这么厉害吗?这里我们也来快速测试下。首先,我们来个简单都英语填空题,这种题一般的大模型都能做对,本来就是大语言模型的强项,仅作为最基本验证,它也是没有问题的。再看第二道题,来个脑筋急转弯,分析推理确实是一大堆的,答案也和预期一样,但是它是实打实的脑筋不转弯都从语言学等角度得出的答案,其实这里在中文语境中用脑筋急转弯思路就能很快得出答案,太阳公公嘛,那太阳肯定是男都啰。况且太阳叫做sun,儿子也读作son,也能得到印证。所以我推定它是不适合做脑筋急转弯的,起码不适合做中文的脑筋急转弯。下一道数学题,“一口井7米深,有只蜗牛从井底往上爬,白片爬3米,晚上下坠2米。问蜗牛几天能从井里爬出来?”这里要注意解题的关键点是最后一天可能它不会滑下来了。我们看它分析,前几天都没有问题,第四天,白天爬3米,就是到了6米,晚上滑下来2米,到了第4米,第五天,白片爬3米,4+3刚好7米,所以就爬出来了,就不用考虑晚上往下滑了。所以答案是5天就能爬出去。我们看它最终做了一大堆装模作样的推理,最终还...
2024-11-29
Moshi:实时语音通话大语言模型
Moshi是由法国AI研究机构Kyutai开发的实时语音对话大语言模型,被广泛认为是”语音版GPT-4o”。与传统的语音助手不同,Moshi具备真正的实时语音对话能力——它能同时理解和生成语音,支持打断、语气感知、情感表达等自然对话特征。Moshi的延迟极低(约200ms),对话体验接近真人交流。Kyutai将Moshi完全开源,包括模型权重和训练代码,这对于语音AI领域来说是一个里程碑式的事件。 访问入口
2024-11-29
Claude新出桌面版
Anthropic推出了Claude桌面版应用,让用户可以直接在桌面端使用强大的Claude AI助手。桌面版Claude相比于网页版,提供了更流畅的交互体验、更好的文件处理能力(支持拖拽上传多种格式文件)、以及更深度的系统集成。它支持Mac和Windows平台,可以常驻系统托盘随时调用。对于需要频繁使用Claude处理长文档、编程或数据分析的用户来说,桌面版提供了更加高效的工作环境。 访问入口
2024-11-29
Pixtral 12B:开源视觉大模型
Pixtral 12B是Mistral AI推出的开源多模态视觉大模型,拥有120亿参数。它在图像理解、文档分析和视觉问答方面表现出色,能够精准识别图片中的文字、图表、物体和场景。Pixtral 12B完全开源,支持本地部署,可以在消费级GPU上运行(经过量化优化后)。对于需要在自己的应用中集成视觉理解能力的开发者来说,Pixtral 12B是一个性能强劲且完全免费的选择。 官方博客
公告






