视觉探索（实验中）
注意
目前视觉探索功能仍在实验中，仅支持 Windows 系统。
什么是视觉探索？
视觉探索是一个智能桌面操作助手。它能像人一样"看"屏幕截图，自动规划并执行鼠标点击、键盘输入等操作，帮你完成桌面软件上的任务。
使用前提
你的客户端设备需要支持以下权限：
-
屏幕截图：Agent 需要看到你的屏幕
-
电脑控制：Agent 需要能够控制电脑，模拟鼠标键盘操作。
怎么使用？
只需用自然语言描述你想完成的完整目标，Agent 会自动规划并逐步执行。
好的描述方式：
-
"打开腾讯会议，创建一个会议"
-
"打开钉钉，发送消息给 xxx"
不好的描述方式：
-
"点击左下角" ← 不要给逐步指令，让 Agent 自己规划
-
"操作电脑" ← 太模糊，需要明确目标
Agent 能做什么？
| 操作 | 说明 | 示例场景 |
|---|---|---|
| 单击 | 点击屏幕上的按钮、链接等 | 点击"确定"按钮 |
| 双击 | 双击打开文件或选中文字 | 双击打开桌面上的文档 |
| 右键 | 打开右键菜单 | 右键文件查看属性 |
| 输入文本 | 在输入框中输入内容 | 在搜索框输入关键词 |
| 打开应用 | 启动一个桌面应用 | 打开浏览器、记事本等 |
| 按键 | 模拟键盘按键或快捷键 | Ctrl+S 保存、Enter 确认 |
| 悬停 | 鼠标悬停触发提示或菜单 | 悬停查 看工具提示 |
| 拖拽 | 从一个位置拖动到另一个位置 | 拖动文件到文件夹 |
| 滚动 | 上下左右滚动页面 | 向下滚动查看更多内容 |
执行过程
-
观察屏幕 — Agent 获取当前屏幕截图
-
分析思考 — AI 分析截图内容，决定下一步操作
-
执行操作 — 自动执行一个操作（如点击某个按钮）
-
检查结果 — 对比操作前后的截图，判断是否成功
-
重复 — 继续下一步操作，直到任务完成
整个过程中你可以在步骤列表中实时看到 Agent 正在执行的每一步操作。
注意事项
-
请确保目标应用的界面在屏幕上可见且未被遮挡，您可以使用“悬浮窗模式”将 bit-Agent 窗口收起。
-
如果操作失败，Agent 会自动尝试其他方法
-
复杂任务可能需要多个步骤，请耐心等待
-
如需中途取消，可以随时停止任务