Agent S2 är en AI-agent med öppen källkod som är designad för att kunna se och interagera med en dators grafiska användargränssnitt (GUI) – alltså det du ser på skärmen med ikoner, menyer och fönster – på ett sätt som liknar hur vi människor gör det.
Tanken är att den ska kunna hantera uppgifter som traditionellt varit knepiga att automatisera med vanliga script. Istället för att förlita sig på att program har specifika API:er (programmeringsgränssnitt) eller kommandoradsverktyg, tittar Agent S2 på skärmen, förstår vad som visas och ”klickar” och ”skriver” som en användare skulle göra.
Agent S2 kombinerar olika AI-modeller för att skapa en mer kraftfull helhet. Det påminner om hur vi människor använder olika delar av hjärnan för olika uppgifter. Simply den modulära designen känns som ett steg i rätt riktning – istället för att försöka skapa en enda enorm modell som kan göra allt, byggs ett system av specialiserade komponenter.
Automatisering på en ny nivå?
Det som gör detta intressant är potentialen att automatisera arbetsflöden som involverar flera olika program som kanske inte är designade för att prata med varandra. Tänk dig att automatisera uppgifter som innefattar webbläsare, bildredigeringsprogram, filhanterare och specifika företagsprogram – allt through det grafiska gränssnittet. Eftersom det är öppen källkod kan utvecklare också bygga vidare på och anpassa agenten för specifika behov.
Här är en video från Simular AI som visar Agent S2 i aktion:
Agent S2 på en smartmobil
Agent S2 kan tyvärr inte testas än, bara en betaversion finns med väntelista.
