本次更新引入对 UI-TARS-2 的支持。UI-TARS-2 作为原生 GUI 智能体，通过多轮强化学习与数据飞轮显著提升感知、推理与动作一体化能力，结合统一沙盒与混合环境，帮助团队在真实软件界面中实现稳定的自动化与智能代理落地。
一、这次支持意味着什么
1、模型定位与能力边界
UI-TARS-2 是面向图形界面交互的 AI GUI 智能体，强调从截图与控件到意图规划与点击输入的端到端闭环，降低脚本工程依赖，让智能体在页面变化与跨应用场景中保持鲁棒。
2、技术看点与工程信号
多轮强化学习稳定训练、数据飞轮闭环、混合 GUI 环境与统一沙盒，是 UI-TARS-2 的四个关键词。它不仅关注静态理解，更强调长程交互的可持续探索与回放。
3、评测与泛化的现实意义
在多项公开 GUI 与交互基准中，UI-TARS-2 展现出对长链任务与信息检索类任务的更强泛化，意味着企业可以把更多真实业务流程交给智能体分步完成。
二、对开发者与企业的直接价值
1、典型落地场景
AI GUI 智能体可覆盖网页与桌面端的表单处理、运营面板巡检、自动化测试、低频工具的新人引导，以及研发与运维的半自动流程拆解，减少人工重复操作。
2、与现有技术栈的融合
结合 RAG 检索与函数调用，UI-TARS-2 可在界面上执行指令并回填证据；与脚本框架配合时由智能体负责高层规划，底层执行由稳定控件驱动，既提升成功率又便于审计。
3、成本、合规与可观测性
通过沙盒环境与权限隔离，UI-TARS-2 的风险可控；引入事件日志、截图溯源与动作对账，形成从提示到点击的可观测链路，为质检与合规提供证据闭环。
三、快速上手与评测清单
1、三步集成路径
先在在线演示完成小样本验证，再对接 API 打通鉴权与任务编排，最后配置沙盒与资源限额，形成最小可用闭环并纳入灰度发布。
2、评测维度与数据集设计
围绕多轮任务成功率、步骤偏差、异常恢复、跨界面迁移与时延成本设计评测集，优先选择真实业务页面与核心转化路径的代表性样本。
3、工程落地要点
（1）提示与策略
用任务分解的系统提示稳定目标与约束，拆分子目标并对关键状态设置停止条件，降低循环与误触风险。
（2）数据飞轮建设
沉淀失败重试与人工纠错样本，按控件类型与错误类型归档，形成高价值再训练池，迭代 UI-TARS-2 的策略与感知。
（3）灰度与回滚
在只读场景优先放量，写入场景引入多方确认与速回滚机制，把事故半径控制在可接受范围内。
四、可执行的落地模板
1、最小可用方案
a. 固定一条核心业务流程
b. 接入 UI-TARS-2 执行与截图对账
c. 设置人工抽检与阈值报警
2、规模化方案
a. 引入任务编排与队列
b. 分层缓存页面与控件信息
c. 建立跨版本 UI 兼容策略
3、效果量化
a. 成功率与首响时延
b. 每千次任务成本
c. 人工接管比例与失败类型分布
常见问题解答（Q&A）
Q：UI-TARS-2 相比通用大模型代理的核心优势是什么？
A：UI-TARS-2 面向 GUI 智能体场景进行多轮强化学习与数据飞轮优化，在真实界面上的定位、点击与表单交互更稳定，长链条任务的完成率更高。
Q：如何把 UI-TARS-2 融入现有流程而不推翻旧架构？
A：采用“智能体规划加稳定执行”的分层方案，上层由 UI-TARS-2 负责意图与步骤规划，下层沿用既有控件驱动与接口，逐步替换高风险环节。
Q：评测 UI-TARS-2 时应该关注哪些关键指标？
A：关注多轮成功率、步骤偏差、异常恢复、跨页面迁移、端到端时延与单位任务成本，并同步记录截图证据与动作日志便于审计。
Q：UI-TARS-2 是否适合高风险写入场景？
A：建议先在只读与低风险写入场景试点，配合权限隔离与人工二次确认，再逐步拓展到高价值写入路径，确保稳定性与合规性。
