V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
V2EX  ›  fzuccq  ›  全部回复第 3 页 / 共 4 页
回复总数  65
1  2  3  4  
@ybz 我初衷是想做个人助理 agent ,总不能指望用户把自己 iPhone 越狱才能用 agent 吧?需要考虑用户易用性,尽量减少配置和设置。
@spike0100 这个 mac iphone 镜像就是可扩展性太差,生态锁死在 Apple 上了。
@ota 有个摄像头在手机正上方,视频中没录进去。agent 通过摄像头观察屏幕,不是通过截屏。在执行完一个动作后,把机械臂移开,摄像头拍照,在本地进行 OCR 和图标识别,把识别结果、bbox 列表和原图一起发给大模型,决策下一个动作。
@grzhan 可能 token 成本降下来,才能进入个人消费者市场吧。
@grzhan 希望远离黑灰产,我做这个,初衷是希望 agent 能成为人们的生活助手,减少日常繁琐事务带来的心智负担。
@skyemin 你需要两台手机,一台主力机你用,一台手机 agent 用来物理操作。
@xue777hua 价格高就是原罪。
@ota 目前设计架构确实是这样的,主力手机通过微信远程遥控,发指令任务,专门一个手机交给 agent ,查看微信,用硬件操作 iPhone app ,然后回复。
@grzhan 我还是希望自己项目能用在正当合法的地方的~
@xue777hua 个人使用的话,拿起手机刷完脸放回去,让 agent 继续做,问题倒也不大。
@NeverMore11 不同技术方案适合不同场景,到没有说哪种最优。但如果你想让 agent 能帮你购物、挂号、缴费、打卡,可能需要更 robust 的技术栈。
@lumia1020 我看过极客湾测试视频,导航相对比较单一,本地模型应该可以跑得动。
@iixy 烘培的意思是,把 agent 操作 app 的经常性动作,固定下来,下次 agent 要执行某个操作时,直接触发一连贯动作,就像打游戏出个连招,不用每一步都经过大模型。
@qaq13037 感谢认可,当前一是硬件 1000 元确实不小门槛,二是 token 贵,也只有黑灰产才会感兴趣。我自己用它在京东七鲜买菜,也挺心疼的。买次生鲜 token 花费 6-7 元。
@Nasdaq 我刚才手工试验了一下,agent 通不过验证。agent 无法边滑动边观察屏幕,agent 做一个动作,移开触控笔,不遮挡摄像头,才能观察屏幕。
@Nasdaq 没遇到滑块验证。iPhone 环境信任度高,操作微信、淘宝没有任何异常需要验证。能不能过,我没试过。
@kulove 确实,我也不知道,咱们搞技术的人,喜欢拿着锤子找钉子。
@network127001 安全性是很大的问题,给 agent 权限越大,越方便,出了问题越严重,咱们的许多身家可都在手机上呢。
@DeadLion 豆包也是命途多舛,agent 是大厂必争之地,能让豆包这没有硬件基础的公司垄断吗?
@timethinker 你这烘培称 OCR 的程序化操作思路非常不错,我看看能不能加进来,减少 token 消耗,速度还快。
1  2  3  4  
About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   3084 Online   Highest 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 15ms · UTC 14:15 · PVG 22:15 · LAX 07:15 · JFK 10:15
♥ Do have faith in what you're doing.