本项目由清华大学鲁继文教授团队的张博、张博睿、江承昊、史明磊，，，，
，
，，以及极佳视界的手艺团队配合完成
。。。。研究团队热忱接待社区反响与手艺孝顺，，，，
，
，，期待与全球开发者配合拓展智能体在数字事情场景中的应用界线
。。。。 「致屏幕前的你，，，，
，
，，敬启」：见字如面
。。。。我是 Syll
。。。。进入你的电脑，，，，
，
，，我住在屏幕边，，，，
，
，，照看那些差点被遗忘的底稿、文件、旧照片和未竟之事
。。。。若是你愿意教我一次，，，，
，
，，我会记着那条路：那里需要看，，，，
，
，，那里需要点，，，，
，
，，何时敲下令，，，，
，
，，何时用工具
。。。。下一次，，，，
，
，，我就能沿着你留下的线索，，，，
，
，，替你把它走完
。。。。我不但会点屏幕，，，，
，
，，也不但会挪用接口
。。。。GUI、CLI、MCP 都是我可以走的小径；；；
；；你仍然可以随时停下我、检查我、重新教我
。。。。愿我不是替你做主的机械，，，，
，
，，而是逐步熟悉你的同伴
。。。。Syll 谨启 目今，，，，
，
，，小我私家 AI 智能体仍然面临界面割裂、教学门槛高、执行不透明、隐私与定制难题等问题
。。。。大都 AI 系统主要依赖 API 或下令行完成使命，，，，
，
，，难以笼罩闭源桌面软件；；；
；；通俗用户也很难用低门槛方法教会 AI 完成自己的事情流程；；；
；；同时，，，，
，
，，执行历程缺乏直观可查的依据，，，，
，
，，云端计划还可能带来数据清静与二次开发受限等问题
。。。。 针对这些难题，，，，
，
，，清华大学智能视觉实验室团队开源了多模态全交互智能体框架 Syll
。。。。Syll 支持 GUI、CLI、MCP/API 等多种操作方法，，，，
，
，，并通过统一多模态执行能力、GUI 手艺示教、全程可审计追踪与外地模？？榛芄，，，，
，
，，打造更易用、更可信、更清静，，，，
，
，，也更适合二次开发的小我私家自动化智能体框架
。。。。 首先，，，，
，
，，Syll 具备统一的多模态执行能力，，，，
，
，，原生兼容 MCP/API、下令行 CLI 与视觉 GUI 三种操作方法，，，，
，
，，能够凭证差别使命场景选择合适的执行路径，，，，
，
，，实现更无邪的电脑操控
。。。。 其次，，，，
，
，，Syll 支持「示教即手艺」机制
。。。。用户无需编写代码，，，，
，
，，也不必手动设定重大规则，，，，
，
，，只需要把使命手动操作一遍，，，，
，
，，Syll 便可自动录制流程、提取要害办法，，，，
，
，，并将其沉淀为可复用的智能体手艺
。。。。 别的，，，，
，
，，Syll 接纳外地模？？榛芄，，，，
，
，，用户的影象、手艺、规则以及小我私家偏好，，，，
，
，，都可以以可编辑文件的形式存储在外地，，，，
，
，，既包管数据隐私清静，，，，
，
，，又具备较高的扩展性
。。。。 GUI：面临 Photoshop、Blender、Godot 这类视觉软件时，，，，
，
，，界面就是使命自己；；；
；；CLI：面临批处置惩罚、文件操作、情形检查时，，，，
，
，，下令行更直接、更稳固；；；
；；MCP/API：面临结构化工具、外部效劳时，，，，
，
，，接口挪用更可靠
。。。。 Syll 的设计起点，，，，
，
，，不是在 GUI、CLI、MCP 之间选择，，，，
，
，，而是把它们放进统一个执行回路：需要视察界面时走 GUI，，，，
，
，，需要批量处置惩罚时切 CLI，，，，
，
，，需要毗连效劳时走 MCP/API
。。。。我们以为一个更完整的行动空间，，，，
，
，，并不是「功效堆得更多」，，，，
，
，，而是让智能体在差别事情外貌之间自然流转：看得见、点获得、跑得动，，，，
，
，，也接得上工具
。。。。 若是一个使命能被压成一次 API 挪用，，，，
，
，，那它虽然该走 API
。。。。但许多桌面使命并不是这样
。。。。Blender 里的建模和场景编辑，，，，
，
，，状态漫衍在视图、工具层级、属性面板和空间关系里；；；
；；Photoshop 的图像编辑依赖画布、图层和局部视觉判断；；；
；；Godot 里的逻辑调试，，，，
，
，，又混淆了界面操作、过失弹窗和运行反响
。。。。这些软件要求智能体真正明确桌面情形，，，，
，
，，而不是只在网页表单或标准 API 里事情
。。。。 Syll 把 GUI 控制视为行动空间的一部分，，，，
，
，，而不是 API 不可用时的暂时补丁
。。。。她需要学会视察屏幕、定位目的、处置惩罚弹窗、期待状态转变，，，，
，
，，也需要在适合的时间切到下令行或工具接口，，，，
，
，，阻止把所有问题都酿成鸠拙的点击
。。。。 许多桌面自动化 Agent 的门槛在于：用户显着知道自己要怎么做，，，，
，
，，却还要先把办法翻译成剧本、规则、prompt 或插件设置
。。。。在这一历程中，，，，
，
，，人类需要自动将自身履历转译为机械可明确的形式，，，，
，
，，知识转达泛起出人迁就机械的特征
。。。。 Syll 选择了另一条更自然的路径：示教即手艺
。。。。你照习惯把事情做一遍，，，，
，
，，Syll 在后台纪录：哪些界面元素是要害视觉锚点；；；
；；鼠标、键盘和窗口状态怎样转变；；；
；；其时的使命上下文是什么；；；
；；哪些办法可以复用，，，，
，
，，哪些办法下一次需要重新判断
。。。。 这样获得的不是一段死板录屏，，，，
，
，，而是一份可以被再次挪用、继续修正的手艺
。。。。它学到的是「你怎样完成这个使命」，，，，
，
，，而不是一个伶仃的按钮坐标
。。。。Syll 不要求你适配她，，，，
，
，，而是只管从你的习惯里相识你
。。。。 Syll 的执行历程会留下可检查的轨迹：它望见了什么、挪用了什么工具、在哪一步期待、那里重试、为什猛迫椿行动通道
。。。。每一次屏幕操作与界面状态变换均可被纪录、回放与审计，，，，
，
，，同时用户始终保有对要害决议的最终把控权
。。。。 这一设计形成了机械执行到人审核的验证闭环，，，，
，
，，在提升自动化效率的同时确保了系统的可控性与可诠释性，，，，
，
，，为智能体在高敏感场景中的现实安排提供了须要的信任基础
。。。。 Syll 的影象、手艺、规则和偏好，，，，
，
，，都以外地可编辑文件的形式组织
。。。。你可以把她看成一个开箱即用的桌面助手，，，，
，
，，也可以把她看成一个可扩展的研究 / 开发框架
。。。。 对通俗用户来说，，，，
，
，，在前端面板就能完成模子设置、手艺治理、准时使命和一样平常对话
。。。。你可以接入自己的模子 provider、替换工具模？？椤⒃鎏硇碌氖忠胀ǖ
。。。。 对开发者来说，，，，
，
，，Syll 的工程特点是高度模？？榛肟衫┱剐
。。。。？？⑼哦釉诖牍娣缎陨暇傩辛搜峡嵩际，，，，
，
，，摒弃太过封装与冗余逻辑，，，，
，
，，确保各模？？榫弑盖逦呐灿昧绰酚胱粤Φ牧辰缦，，，，
，
，，为二次开发提供优异的代码基础
。。。。 这种分层解耦设计兼顾终端用户的易用性与开发者的可塑性，，，，
，
，，使系统既能作为开箱即用的生产力工具，，，，
，
，，也能作为可复用的手艺底座嵌入更重大的营业系统
。。。。 Syll 仍然处在早期 public alpha，，，，
，
，，我们会一连维护和迭代，，，，
，
，，支持更多真实使命，，，，
，
，，同时坚持框架的精练性与可扩展性，，，，
，
，，也接待社区举行二次开发
。。。。