StateAct框架：用程序状态替代像素，大幅提升智能体表现
dl_weekly · x · 2026-08-06
当前计算机控制智能体通常依赖截图和点击进行感知，但这只是底层程序状态的有损渲染。StateAct 提出了一种“代码优先”的多智能体框架，让主智能体直接通过代码操作程序状态（如文件、DOM）。
- 分工协作：仅在极少数必须图形交互的子任务（108个任务中的28个）时才唤醒 GUI 子智能体，主智能体仅有 1.1% 的步骤涉及图形交互。
- 独立校验：通过“完成门”独立检查输出结果，防止文件丢失或路径错误等结构性失败。
- 上下文管理：主智能体将子目标分派给全新的子智能体，以保持自身上下文聚焦。
- 实测效果：在 OSWorld 2.0 基准上，将 Claude Opus 4.8 的二进制成功率从 20.6% 提升至 26.9%，部分成功率从 54.8% 提升至 61.6%，且单任务成本仅为纯截图方案的约 1/9。
「编程与Agent」频道最新
- 开发者建议弃用 Claude，转投 GPT 或 Kimi — MarcJSchmidt · 2026-08-06
- AI Toolkit Helper 发布：为模型训练器提供辅助工具 — ostrisai · 2026-08-06
- DeepSeek API 新增 Responses 格式：内置联网搜索并支持 Codex — teortaxesTex · 2026-08-06
- Shopify 揭秘智能体持续学习飞轮：成本暴降 96% 且超越前沿模型 — MParakhin · 2026-08-06
- 别用Prompt限制Agent：权限拦截必须在代码工具层 — No-Conflict4823 · 2026-08-06
- Claude Code 子智能体实战：限制层级与范围才是制胜关键 — PrajwalTomar_ · 2026-08-06