字节跳动近日在开源社区发布了重磅更新——同步开源了两款类Manus的智能体项目，将AI自动化交互提升至全新水准。这一动态非常值得深度关注：从桌面操控、跨平台GUI自动化，到任务规划、信息检索与AI计算，所覆盖的应用场景极为全面。

Agent TARS：用自然语言直接指挥电脑

首先聚焦 Agent TARS。这是字节跳动开源的一款基于视觉语言模型（VLM）的桌面端AI Agent工具，核心亮点非常直接：你只需通过自然语言下达指令，它就能代为操作电脑。简言之，让AI替你完成鼠标点击和键盘输入，且跨平台兼容——Windows、macOS、Linux均能运行。

它能做哪些事？举例来说，你直接说“发送一条包含‘Hello World’的推文”，或者“帮我查询一下旧金山的天气”，模型就会自动解析你的意图，并逐步执行对应操作。这背后依赖于多模态感知与交互能力——它不仅能理解文字，还能“看懂”屏幕上的界面元素，从而精准完成任务。

在性能方面，Agent TARS在OSWorld基准测试、AndroidWorld等评估中表现十分亮眼，证明其在实际桌面场景下的自动化能力已相当成熟。效果示例中还包含一个清明节旅行规划的演示，颇具趣味。

https://github.com/bytedance/UI-TARS-desktop

LangManus：社区驱动的AI自动化框架

另一个项目名为 LangManus，这是一个由社区驱动的AI自动化框架。它的定位更偏向“工具集”——整合语言模型与多种专用工具，用于网络搜索、爬虫、Python代码执行等任务。同时，该框架特别强调回馈社区，因为其本身也建立在众多开源项目的成果之上。

LangManus的核心能力包括：

• 任务规划与细分——智能地将复杂任务拆解为子任务，并选择最优执行路径。
• 信息检索与数据抓取——集成Tavily、Playwright等工具，自动从互联网获取所需信息。
• 人工智能计算与分析——借助AI模型（如OpenAI、DeepSeek）进行数据处理和推理分析。
• 自动生成研究报告——根据研究需求，自动生成格式化报告文档。

从这些功能组合来看，LangManus已不只是一个简单的自动化脚本，而是一个能承担端到端研究任务的Agent系统。从信息收集、分析到输出报告，全程自动化，在企业级应用中潜力巨大。

https://github.com/langmanus/langmanus

总体而言，字节跳动这两个项目的开源，标志着AI Agent的能力正从理论走向实用。无论是桌面端的直接操控，还是复杂任务的自动化编排，如今都有了可落地的开源方案。对于开发者而言，这不仅是工具，更是探索下一代人机交互方式的绝佳起点。