智谱华章发布了其多模态Agent GLM-PC的升级版本，该Agent基于CogAgent大模型，能像人类一样操作电脑。GLM-PC具备代码生成、逻辑执行规划、循环执行、长思考能力等，可将大型任务分解为子任务，并自动执行。它还支持实时调整和自我纠错，能在外部因素干扰下重构逻辑，并能主动与用户交互。此外，GLM-PC具备强大的GUI图像理解能力，能识别图形界面元素、理解用户行为，并进行图像语义解析和多模态信息融合，从而实现精准操作。

💻GLM-PC基于智谱多模态大模型CogAgent，是全球首个面向公众、回车即用的电脑智能体，能够像人类一样观察和操作计算机，协助用户完成各类电脑任务。

🧠GLM-PC具备强大的代码生成与逻辑执行规划能力，支持综合分析目标和可用资源，生成执行路线图，并将大型任务分解为可管理的子任务，构建清晰的执行路径，并能通过循环执行机制确保任务的精确执行和高度自动化。

💡GLM-PC拥有长思考能力，支持实时调整、反思修正和自我纠错，在流程中断时可重构逻辑路径，遇到信息缺失时可主动与用户交互，完善任务执行方案。

🖼️GLM-PC具备强大的GUI图像理解能力，能准确识别图形界面元素，理解其功能与交互逻辑，并结合用户历史操作信息提供智能推荐，同时还能进行图像语义解析和多模态信息融合。

IT之家 1 月 23 日消息，北京智谱华章科技有限公司今日发文宣布，旗下智谱 GLM-PC 开放体验，宣称“自主操作电脑的多模态 Agent 再升级”。

据介绍，GLM-PC 是基于智谱多模态大模型 CogAgent，全球首个面向公众、回车即用的电脑智能体（agent）。它能像人类一样「观察」和「操作」计算机，协助用户完成各类电脑任务。GLM-PC v1.0 于 2024 年 11 月 29 日发布并开放内测，目前最新推出「深度思考」模式、增加专用于做逻辑推理和代码生成的功能、并提供了对 Windows 系统的支持。

IT之家从智谱官方获悉，GLM-PC 具备如下能力：

代码生成与逻辑执行

规划：支持综合分析目标以及可用资源，生成执行路线图，并将大型任务自动分解为可管理的子任务，以构建出清晰的执行路径。

循环执行：规划阶段结束后，支持启动代码生成模块，执行逻辑循环，逐步推进任务完成。该循环机制确保了任务的精确执行与高度自动化，从而实现从输入到输出的完整闭环，无需人工干预

长思考能力：支持实时调整、反思修正和自我纠错，持续优化解决方案。具体表现为：流程因外部因素中断时，可重构逻辑路径；遇到信息缺失时，可主动与用户进行交互，通过提问来完善任务执行方案

图像与 GUI 认知

GUI 图像理解：准确识别图形界面元素（如按钮、图标、布局等），并理解其功能与交互逻辑

用户行为认知：结合对用户界面的学习及历史操作信息的理解，为用户提供当前界面的智能推荐操作

图像语义解析：对复杂图像进行深入语义分析，提取关键信息如文字、标识符及数据可视化图表中的趋势和指标

多模态信息融合：融合图像与文字信息，形成全面感知结果。例如，在用户界面中同时识别按钮位置与文字标签，助力「左脑」制定精准操作计划