懂AI
Cradle

Cradle

使新生的基础模型通过人类使用的相同统一接口能够执行复杂的计算机任务的框架

Cradle框架通过截图作为输入、键盘和鼠标操作作为输出，使基础模型能够执行复杂的计算机任务。最新更新扩展至《荒野大镖客2》、《星露谷物语》、《城市：天际线》和《Dealer's Life 2》等游戏及多种软件如Chrome、Outlook、剪映、美图和飞书。该框架的特点是通用性，能在不同的游戏和软件环境中保持一致适应性。用户可通过具体设置和指引，轻松将框架应用到新游戏和软件中，实现高效操作和控制。

CradleAI计算机控制API密钥Python环境Github开源项目
访问官网GitHub论文

项目介绍：Cradle

Cradle 项目致力于赋能基础模型，使其能够通过人类使用的统一接口执行复杂的计算机任务。这意味着它使用屏幕截图作为输入，然后通过键盘和鼠标进行操作输出。这个框架的开发，目的是让智能代理能够轻松执行电脑上各类软件和游戏所需的操作。

最新更新

在2024年6月27日，Cradle 项目进行了重大更新。它现已扩展支持多款游戏，包括《荒野大镖客2》（RDR2）、《星露谷物语》（Stardew Valley）、《城市：天际线》（Cities: Skylines）和《Dealer's Life 2》。此外，Cradle 还兼容多种软件，如 Chrome 浏览器、Outlook 邮件客户端、Capcut 视频编辑器、美图和飞书等。

使用方法

环境准备

要开始使用 Cradle，用户需要创建一个 .env 文件，用于存储访问 OpenAI 和 Claude API 的密钥。这些密钥的获取可以通过访问各自的官网或服务门户进行。

设置流程

  1. 克隆 Cradle 项目的 GitHub 存储库，并进入项目目录。
  2. 创建一个新的 Conda 环境并安装相应的 Python 依赖项。
  3. 安装光学字符识别（OCR）工具，通过下载及安装相应的 spaCy 模型。

运行项目

由于各个游戏和软件的差异，Cradle 为每个支持的环境提供了具体的设置指南。例如，《荒野大镖客2》的设置指南包括如何暂停游戏来等待 AI 的响应，以及如何恢复游戏等。

文件结构

Cradle 的项目结构设计非常清晰，方便用户对新游戏进行适配。核心目录主要包括缓存、配置文件、依赖项和资源等。其中，配置文件下的 .json 文件用于游戏环境和 LLM 模型的设定。

向新游戏迁移

尽管每个游戏的设置和兼容操作系统不同，但 Cradle 框架仍然可以实现对新游戏的统一适配。适配新游戏涉及到配置相应的模块，例如：如果新游戏类似于无需实时暂停的《城市：天际线》，推荐遵循该游戏的实现路径。

引用

如果 Cradle 项目对您的研究或开发有帮助，请参考以下文献进行引用：

@article{tan2024cradle,
  title={Cradle: Empowering Foundation Agents towards General Computer Control},
  author={Weihao Tan et al.},
  journal={arXiv preprint arXiv:2403.03186},
  year={2024}
}

通过这种方式，Cradle 提供了一个强大的平台，使研究人员和开发者能够更方便地将 AI 技术应用于复杂的计算机任务，推动智能代理在多个领域的多样化应用。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多