UI-TARS-desktop零基础上手：用自然语言控制电脑的全流程通关指南

UI-TARS-desktop是一款基于视觉-语言模型的GUI代理应用程序，它让你能用日常说话的方式来控制电脑。无论你是技术新手还是有经验的用户，这款跨平台工具都能让你的电脑操作变得像聊天一样简单。接下来，让我们一步步完成从环境准备到实际使用的全过程。

环境自检三步法

在开始安装前，我们需要确认你的电脑是否已经具备必要的基础软件。这就像做饭前要先检查食材是否齐全一样重要。

1. 检查Node.js版本
   打开终端（Windows用户打开命令提示符或PowerShell，Mac/Linux用户打开终端），输入以下命令并按回车：

   node --version
   

   ✅ 正常结果：显示v12.0.0或更高版本号
   ❌ 问题解决：如果提示"命令未找到"或版本低于12，请前往Node.js官网下载安装LTS版本

2. 验证Git安装
   在同一终端窗口输入：

   git --version
   

   ✅ 正常结果：显示类似git version 2.x.x的版本信息
   ❌ 问题解决：未安装则从Git官网下载对应系统版本

3. 系统兼容性检测
   运行以下命令检查操作系统类型（主要用于后续安装参考）：

   # Windows系统
   systeminfo | findstr /B /C:"OS Name"
   
   # Mac/Linux系统
   uname -a
   

⚠️ 注意：Windows用户可能需要安装额外的构建工具，可通过管理员权限运行npm install --global --production windows-build-tools来解决后续可能的依赖安装问题。

源代码获取与安装

克隆项目仓库

现在我们要把UI-TARS-desktop的代码下载到你的电脑上。这就像从图书馆借一本需要的书，只不过我们是从代码仓库复制一份到本地。

1. 打开终端，导航到你想存放项目的文件夹（例如文档或下载文件夹）
2. 输入以下命令并回车：

   git clone https://gitcode.com/GitHub_Trending/ui/UI-TARS-desktop
   

3. 进入项目目录：

   cd UI-TARS-desktop
   

安装项目依赖

依赖就像是应用程序需要的"零件"，我们需要先把这些零件准备好才能组装出完整的应用。

在项目根目录下运行以下命令：

# 使用npm安装依赖（推荐）
npm install

# 如果你习惯使用yarn，也可以运行
# yarn install

⏱️ 安装提示：这个过程可能需要3-5分钟，取决于你的网络速度。如果看到类似WARN的警告信息，通常可以忽略，只要没有ERROR就表示安装成功。

构建应用程序

构建过程会把源代码"打包"成可以直接运行的应用程序，就像把食材烹饪成可以直接享用的菜肴。

npm run build

构建成功后，你会看到类似Build completed successfully的提示信息。

不同系统的安装指南

Windows系统安装步骤

1. 构建完成后，进入生成的安装文件目录：

   cd apps/ui-tars/dist
   

2. 找到并双击.exe格式的安装文件
3. 当看到Windows Defender SmartScreen警告时（如下所示），点击"更多信息"，然后选择"仍要运行"

macOS系统安装步骤

1. 构建完成后，在项目目录中找到.dmg安装文件
2. 双击该文件，会打开一个类似下面的窗口
3. 将UI TARS图标拖动到Applications文件夹中完成安装

⚠️ macOS安全设置：如果系统提示"无法打开，因为它来自身份不明的开发者"，请进入"系统偏好设置 > 安全性与隐私"，点击"仍要打开"。

启动应用与初始体验

首次启动应用

安装完成后，你可以在应用程序文件夹中找到UI-TARS-desktop并双击启动。首次启动时，你会看到欢迎界面：

界面上有两个主要选项：

• Computer Operator：控制本地计算机
• Browser Operator：控制浏览器操作

选择操作模式

点击左下角的设置按钮，可以切换不同的操作模式：

在输入框下方的下拉菜单中，你可以根据需要选择"Computer Use"或"Browser Use"模式：

配置设置详解

主要配置项说明

在设置界面中，你可以调整以下关键参数：

1. 模型设置

   • 模型选择：根据你的需求和电脑性能选择合适的模型
   • 推理速度：优先速度会减少响应时间，但可能降低准确性
   • 上下文长度：控制模型能理解的指令长度，越长需要越多内存

2. 操作权限

   • 屏幕捕获：允许应用截图分析界面
   • 鼠标控制：允许应用模拟鼠标操作
   • 键盘输入：允许应用模拟键盘输入

3. 界面设置

   • 主题选择：亮色/暗色模式切换
   • 字体大小：调整界面文字大小
   • 语言设置：选择应用界面语言

💡 配置建议：新手用户建议保持默认设置，熟悉后再根据需要调整。

核心功能体验

执行你的第一个任务

让我们尝试使用自然语言指令来完成一个简单任务：

1. 选择"Computer Operator"模式
2. 在输入框中输入指令，例如："请帮我打开记事本并输入'Hello UI-TARS'"
3. 点击发送按钮或按Enter键

查看任务执行结果

任务完成后，你会看到执行报告，包含操作步骤和结果截图：

进阶技巧

指令优化技巧

1. 具体明确：与其说"整理我的文件"，不如说"将桌面上所有.jpg图片移动到图片文件夹的2023子文件夹中"

2. 分步骤指令：复杂任务拆分成多个简单步骤，例如：

   第一步：打开Chrome浏览器
   第二步：访问github.com
   第三步：搜索UI-TARS-desktop项目
   

3. 使用场景提示：在指令中加入场景说明，如"在Excel中，帮我统计A列数据的平均值"

效率提升建议

1. 常用指令保存：将重复使用的复杂指令保存为预设，在设置中可以找到"保存预设"功能

2. 快捷键使用：按Ctrl+Enter快速发送指令，按Esc键清除当前输入

3. 结果导出：重要的任务结果可以通过"导出报告"功能保存为PDF文件

问题排查方法

1. 指令执行失败：尝试简化指令或分步骤执行，避免一次请求过多操作

2. 应用无响应：关闭应用后重启，同时按下Ctrl+Shift+Esc打开任务管理器结束所有相关进程

3. 识别不准确：确保屏幕分辨率在1080p以上，界面元素不要太小

故障排除速查表

问题现象	可能原因	解决方案
安装依赖时报错	Node.js版本过低	升级到Node.js 12.0.0以上版本
应用启动后空白界面	显卡驱动不支持	更新显卡驱动或降低图形加速设置
指令无响应	网络连接问题	检查网络或切换离线模式
无法识别界面元素	分辨率问题	将屏幕分辨率调整为1920x1080或更高
权限错误	应用权限不足	以管理员身份运行应用

通过本指南，你已经掌握了UI-TARS-desktop的安装配置和基本使用方法。随着使用的深入，你会发现更多用自然语言控制电脑的便捷之处。记住，AI工具需要通过使用来不断适应你的使用习惯，多尝试不同的指令表达方式，你会获得更好的使用体验！