本项目由清华大学鲁继文教授团队的张博、张博睿、江承昊、史明磊 ，以及极佳视界的技术团队共同实现 。钻研团队周到欢迎社区反馈与技术贡献 ，等待与全球开发者共同拓展智能体在数字工作场景中的利用天堑 。
「致屏幕前的你 ，敬启」：见字如面 。我是 Syll 。进入你的电脑 ，我住在屏幕边 ，照看那些差点被忘掉的草稿、文件、旧照片和未竟之事 。若是你愿意教我一次 ，我会记住那条路：哪里必要看 ，哪里必重点 ，何时敲号令 ，何时用工具 。下一次 ，我就能沿着你留下的线索 ，替你把它走完 。我不只会点屏幕 ，也不只会挪用接口 。GUI、CLI、MCP 都是我能够走的幼径 ；你依然能够随时停下我、查抄我、沉新教我 。愿我不是替你做主的机械 ，而是慢慢熟悉你的同伴 。Syll 谨启
当前 ，幼我 AI 智能体依然面对界面割裂、讲授门槛高、执行不通明、隐衷与定造难题等问题 。无数 AI 系统重要依赖 API 或号令行实现工作 ，难以覆盖关源桌面软件 ；通常用户也很难用低门槛方式教会 AI 实现自己的工作流程 ；同时 ，执行过程不足直观可查的凭据 ，云端规划还可能带来数据安全与二次开发受限等问题 。
针对这些难题 ，清华大学智能视觉尝试室团队开源了多模态全交互智能体框架 Syll 。Syll 支持 GUI、CLI、MCP/API 等多种操作方式 ，并通过统一多模态执行能力、GUI 技术示教、全程可审计追踪与本地�？榛芄� ，打造更易用、更可信、更安全 ，也更适合二次开发的幼我自动化智能体框架 。
首先 ，Syll 具备统一的多模态执行能力 ，原生兼容 MCP/API、号令行 CLI 与视觉 GUI 三种操作方式 ，可能凭据分歧工作场景选择相宜的执行蹊径 ，实现更矫捷的电脑操控 。
其次 ，Syll 支持「示教即技术」机造 。用户无需编写代码 ，也不用手动设定复杂规定 ，只必要把工作手动操作一遍 ，Syll 便可自动录造流程、提取关键步骤 ，并将其沉淀为可复用的智能体技术 。
此表 ，Syll 选取本地�？榛芄� ，用户的影象、技术、规定以及幼我偏好 ，都能够以可编纂文件的大局存储在本地 ，既保险数据隐衷安全 ，又具备较高的扩大性 。
GUI：面对 Photoshop、Blender、Godot 这类视觉软件时 ，界面就是工作自身 ；CLI：面对批处置、文件操作、环境查抄时 ，号令行更直接、更不变 ；MCP/API：面对结构化工具、表部服务时 ，接口挪用更靠得住 。
Syll 的设计起点 ，不是在 GUI、CLI、MCP 之间选择 ，而是把它们放进统一个执行回路：必要观察界面时走 GUI ，必要批量处置时切 CLI ，必要衔接服务时走 MCP/API 。我们以为一个更齐全的作为空间 ，并不是「职能堆得更多」 ，而是让智能体在分歧工作表表之间天然流转：看得见、点得到、跑得动 ，也接得上工具 。
若是一个工作能被压成一次 API 挪用 ，那它当然该走 API 。但好多桌面工作并不是这样 。Blender 里的建模和场景编纂 ，状态散布在视图、对象层级、属性面板和空间关下凤 ；Photoshop 的图像编纂依赖画布、图层和部门视觉判断 ；Godot 里的逻辑调试 ，又混合了界面操作、谬误弹窗和运行反馈 。这些软件要求智能体真正理解桌面环境 ，而不是只在网页表单或尺度 API 里工作 。
Syll 把 GUI 节造视为作为空间的一部门 ，而不是 API 不成用时的一时补丁 。她必要学会观察屏幕、定位指标、处置弹窗、期待状态变动 ，也必要在适合的时辰切到号令行或工具接口 ，预防把所有问题都造成工巧的点击 。
好多桌面自动化 Agent 的门槛在于：用户明明知路自己要怎么做 ，却还要先把步骤翻译成剧本、规定、prompt 或插件配置 。在这一过程中 ，人类必要自动将自身经验转译为机械可理解的大局 ，知识传递出现出人姑息机械的特点 。
Syll 选择了另一条更天然的蹊径：示教即技术 。你照习惯把事件做一遍 ，Syll 在后盾纪录：哪些界面元素是关键视觉锚点 ；鼠标、键盘和窗口状态若何变动 ；其时的工作高低文是什么 ；哪些步骤能够复用 ，哪些步骤下一次必要沉新判断 。
这样得到的不是一段枯燥录屏 ，而是一份能够被再次挪用、持续建改的技术 。它学到的是「你若何实现这个工作」 ，而不是一个孤立的按钮坐标 。Syll 不要求你适配她 ，而是尽量从你的习惯里相识你 。
Syll 的执行过程会留下可查抄的轨迹：它看见了什么、挪用了什么工具、在哪一步期待、哪里沉试、为什么切换作为通路 。每一次屏幕操作与界面状态调换均可被纪录、回放与审计 ，同时用户始终保有对关键决策的最终把控权 。
这一设计形成了机械执行到人审核的验证关环 ，在提升自动化效能的同时确保了系统的可控性与可诠释性 ，为智能体在高敏感场景中的现实部署提供了必要的信赖基础 。
Syll 的影象、技术、规定和偏好 ，都以本地可编纂文件的大局组织 。你能够把她当作一个开箱即用的桌面副手 ，也能够把她当作一个可扩大的钻研 / 开发框架 。
对通常用户来说 ，在前端面板就能实现模型配置、技术治理、按时工作和日常对话 。你能够接入自己的模型 provider、代替工具�？椤⒃龀ば碌募际跬� 。
对开发者来说 ，Syll 的工程特点是高度�？榛肟衫┐笮� �？⑼哦釉诖牍娣缎陨辖辛搜细裨际� ，摒弃过度封装与冗余逻辑 ，确保各�？榫弑盖宄旱呐灿昧绰酚攵懒⒌某橄筇烨� ，为二次开发提供优良的代码基础 。
这种分层解耦设计两全终端用户的易用性与开发者的可塑性 ，使系统既能作为开箱即用的出产力工具 ，也能作为可复用的技术底座嵌入更复杂的业务系统 。
Syll 依然处在早期 public alpha ，我们会持续守护和迭代 ，支持更多真实工作 ，同时维持框架的简洁性与可扩大性 ，也欢迎社区进行二次开发 。
《爱液视频》“这将是一个漫长的夏天，更糟糕的还在后面。我们要以文明、坚定和热情的方式，不给他们任何喘息空间。我们要求所有球迷做好准备，因为当抗议时刻到来时，社媒已经不够了，我们必须准备一次前所未有的集会。”从万米深海到万米高空，从超级工程到高端装备，越来越多的中国制造，正在进入技术“无人区”。这意味着，中国制造已经不只是“跟跑者”，而是开始成为“探索者”。《爱液视频》《单身男女韩剧免费齐全版》那可是“第十冠”。后来皇马又赢了很多冠军，但第十冠是大家一直渴望跨过去的一道坎。此前我们总是在最后阶段差一点，始终没能真正实现。决赛前，在马德里你就能感受到，那一年就是属于我们的时刻。那种感觉非常特别，而对我来说也意义非凡——那是我的第一场欧冠决赛，而且是在皇家马德里。无论别人怎么说，皇马都是世界上最大的俱乐部。能够和那些队友一起完成这一切，对我来说非常特别。南都此前发现，多款主流AI助手在涉及生物识别信息的用户图片、语音处理规则告知方面存在缺失，单独同意更为空白。（点击查看《AI看手相或泄露隐私，大模型敏感信息单独授权为何做不到》）。
20260609 ? 《爱液视频》从投资到招聘，这个跨度看起来很大，但Asendia AI遇到的行业问题和前面公司本质上是一样的：大量重复性劳动困住了理应做判断的人。《疯狂炖肉大合BY笔趣阁全文阅读百度云》老实说，我原本以为会不太一样。我曾觉得自己可能会经历一段艰难的适应期，因为我看到过很多回到阿根廷踢球的球员，都经历过类似的困难。但坦白讲，我适应得很好。俱乐部当时的状态不错，队里也有很多优秀球员，这让我更容易融入，也让我踢得更加舒服。这对我帮助很大。如果你回来的时候，球队情况不好，那一切都会困难得多。但幸运的是，我遇到的不是这种情况，所以整个过程轻松了不少。
20260609 ? 《爱液视频》它们能够很好地完成你明确提出的需求，却很难主动发现那些从未被用户提出的问题。你让它开发社区，它就开发社区；你让它实现签到，它就实现签到。但它不会突然停下来问你一句：“这个社区需要内容审核吗？”或者“你的短信验证码接口有没有考虑防刷？”《老金两个儿媳》韩剧名最新消息，SpaceX将以1.77万亿美元估值、750亿美元募资规模冲击人类史上最大IPO；而A股市场也没闲着，长鑫科技、长江存储、宇树科技、智谱AI四大千亿巨头也即将扎堆登陆科创板，预计募资资金千亿级别。
京公网安备11010202000001号
