待验证50% 置信事实精确时间
视觉Agent是能够感知视觉环境并自主执行任务的智能体系统,其典型架构包含感知模块、决策模块、执行模块三个核心模块
1
来源数
50%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证当前主流计算机操作Agent依赖视觉-语言模型理解屏幕状态，架构由感知、规划、执行三层构成74% 相似待验证编程Agent系统设计中存在经典的感知-规划-执行（Perceive-Plan-Act）循环架构，感知模块是整个决策链的第一环69% 相似待验证Computer-use能力允许Agent直接操控桌面GUI界面，是Anthropic基于Claude模型视觉理解能力构建的差异化特性66% 相似待验证Devin代表最大自主化的Agent设计路线，而Cursor、GitHub Copilot Workspace采用人在回路（Human-in-the-loop）设计65% 相似待验证Computer Agent结合了API级别操控和基于视觉的操控两种技术路径65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/874211API
curl https://kongchang.com/api/v1/knowledge/claims/874211MCP
get_claim(id=874211)