过去常说没钱了就进厂打螺丝，但如今黑灯工厂普及，连打螺丝的岗位也大幅减少，仅需少数人负责调试与管理。顺着这一趋势思考——随着Agent技术不断成熟，黑灯办公室的出现几乎是水到渠成。

到了那时，或许只需一个人坐在后台，默默看着几十台电脑自动运行。每天为AI安排好任务，它就能自主完成，无需休息、不要求加薪，也没有情绪波动。这个场景听起来有些科幻，但距离可能比我们想象中更近。

今天要介绍的Agent S2，正是一个能让AI自主操作电脑和手机的通用智能体框架。它不仅适用于电脑端，在手机端同样表现出色。

项目简介

Agent S2专为计算机交互任务设计，通过融合通用模型与专家模型，解决了长期困扰AI操作的两大难题：GUI元素定位不精准，以及长期任务难以规划。其核心创新体现在两方面：一是“混合定位”技术，大幅提升界面元素定位的准确性；二是“主动层次规划”方法，使智能体在任务执行过程中能动态调整行动计划。

简单来说，Agent不再是僵化的脚本，而是能根据实际界面变化灵活应对的智能助手。在多个知名计算机任务基准测试中，Agent S2的表现显著领先于现有方法。

值得一提的是，人类员工偶尔会偷懒，但Agent S2的每一步操作都可视、可查、可修改，没有黑箱，所见即所得。这种透明度本身就是一种高效的保障。

DEMO

下载图片并调整尺寸

将图片复制到文档中

设置Web扩展

删除视频字幕

利用表格计算利润

在手机中填写表单

技术特点

通专结合的模块化设计

通过组合通用推理模块与专门的定位专家，提升任务处理的精度与效率。通用模型负责逻辑推理，专家模型负责精准定位，各司其职，协同工作。

混合定位技术

综合运用视觉、文本、结构等多种定位专家，实现界面元素的精确定位，克服传统单一模型在复杂界面下的性能瓶颈。无论是按钮、输入框还是菜单项，都能准确识别并找到。

主动层次规划

在每个子任务完成后，智能体都会主动重新评估并更新行动计划，动态适应任务推进过程中遇到的环境变化。即使长任务中途界面突变，也能及时调整策略。

跨平台通用性

广泛适用于多个操作系统（如Windows、Linux）以及移动设备（如Android），能够处理多种常见应用程序和任务场景。无论是办公软件还是手机App，都能轻松接管操作。

自适应与自我修正能力

具备在任务执行过程中自适应调整策略的能力，自动纠正偏差，大幅提升长程任务的完成率和准确性。这意味着即便中间出现意外，Agent S2也能自行修复并继续推进。

从技术路线来看，Agent S2的思路非常清晰：不追求单一模型的万能，而是通过模块化的“混合专家”架构，将不同环节做到极致。这种务实的设计，或许正是黑灯办公室从概念走向现实的关键一步。