UI-TARS-desktop保姆级教程：从安装到第一个自动化任务

UI-TARS-desktop保姆级教程：从安装到第一个自动化任务

1. 准备工作与环境配置

1.1 系统要求检查

在开始安装前，请确保您的系统满足以下最低要求：

• 操作系统：Linux (推荐Ubuntu 20.04+)、Windows 10/11或macOS 10.15+
• 硬件配置：
  • CPU：4核及以上
  • 内存：8GB及以上
  • 存储：至少20GB可用空间
  • GPU（可选）：NVIDIA显卡，显存6GB+（推荐）

1.2 安装Docker环境

UI-TARS-desktop以Docker镜像形式提供，首先需要安装Docker引擎：

# Ubuntu/Debian系统安装示例 sudo apt update sudo apt install -y docker.io sudo systemctl enable --now docker

验证Docker是否安装成功：

docker --version

1.3 配置NVIDIA支持（GPU用户）

如果您使用NVIDIA显卡，需要安装NVIDIA Container Toolkit：

# 添加NVIDIA Docker仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 安装工具包 sudo apt update sudo apt install -y nvidia-docker2 sudo systemctl restart docker

2. 部署UI-TARS-desktop镜像

2.1 拉取并运行镜像

执行以下命令启动UI-TARS-desktop容器：

# 创建数据目录 mkdir -p ~/tars-data # 运行容器（GPU版本） docker run -d \ --gpus all \ -p 8080:8080 \ -v ~/tars-data:/root/workspace \ --name ui-tars \ ui-tars-desktop

对于仅使用CPU的环境：

docker run -d \ -p 8080:8080 \ -v ~/tars-data:/root/workspace \ --name ui-tars \ ui-tars-desktop

2.2 验证容器状态

检查容器是否正常运行：

docker ps -f name=ui-tars

预期输出应显示容器状态为"Up"。

3. 验证模型服务

3.1 检查模型启动日志

进入容器查看模型服务日志：

docker exec -it ui-tars bash cd /root/workspace cat llm.log

正常启动时，日志中应包含类似以下内容：

INFO: Loading model qwen3-4b-instruct-2507... INFO: Model loaded successfully in 45.2s INFO: vLLM inference server ready

3.2 测试模型API

您可以通过curl测试模型API是否可用：

curl -X POST http://localhost:8000/v1/completions \ -H "Content-Type: application/json" \ -d '{"prompt": "介绍一下你自己", "max_tokens": 100}'

4. 访问Web界面

4.1 打开UI-TARS界面

在浏览器中访问：

http://localhost:8080

您将看到类似下图的界面：

4.2 界面功能概览

UI-TARS-desktop界面主要分为三个区域：

1. 左侧导航栏：

   • 任务历史记录
   • 预设配置管理
   • 系统状态监控

2. 中央交互区：

   • 自然语言指令输入框
   • AI响应显示区域
   • 任务执行状态指示器

3. 右侧辅助区：

   • 实时操作预览窗口
   • 权限控制开关
   • 紧急停止按钮

5. 创建第一个自动化任务

5.1 基础任务示例

让我们从简单的文件操作开始：

1. 在输入框中输入：

   在桌面上创建一个名为test_folder的文件夹，然后在其中新建一个hello.txt文件，内容写上"你好，UI-TARS"

2. 点击"执行"按钮

3. 观察任务执行过程，系统将：

   • 创建指定文件夹
   • 生成文本文件
   • 写入指定内容

5.2 浏览器自动化示例

尝试更复杂的浏览器操作：

打开Chrome浏览器，访问CSDN官网，搜索"UI-TARS"，将第一页结果标题保存到~/workspace/search_results.csv文件中

系统将自动完成：

1. 启动浏览器
2. 导航至CSDN
3. 执行搜索
4. 提取结果
5. 保存为CSV文件

6. 高级功能探索

6.1 多步骤任务编排

UI-TARS支持复杂任务链，例如：

首先检查我的下载文件夹中有没有超过30天未修改的PDF文件，如果有就将它们移动到"旧文档"文件夹；然后打开邮箱，给admin@example.com发一封邮件，主题是"文件整理完成"，内容包含移动的文件列表

6.2 视觉辅助操作

利用内置的视觉能力，可以执行基于屏幕元素的操作：

点击右下角系统托盘中的网络图标，选择"WIFI-Office"连接，如果提示需要密码就输入"connect123"

7. 常见问题解决

7.1 模型服务未启动

如果llm.log中没有成功加载信息，尝试：

# 进入容器 docker exec -it ui-tars bash # 手动启动服务 cd /root/workspace python -m vllm.entrypoints.api_server --model qwen3-4b-instruct-2507

7.2 权限问题处理

某些操作可能需要额外权限：

• Linux：将用户加入docker组sudo usermod -aG docker $USER
• macOS：在系统设置中授予"屏幕录制"和"辅助功能"权限
• Windows：以管理员身份运行Docker

7.3 网络连接问题

如果无法访问8080端口，检查：

# 查看端口映射 docker port ui-tars # 检查防火墙设置 sudo ufw allow 8080/tcp

8. 总结与下一步

通过本教程，您已经完成了：

1. UI-TARS-desktop的环境准备与安装
2. 模型服务的验证与测试
3. Web界面的基本操作
4. 第一个自动化任务的创建
5. 常见问题的排查方法

接下来您可以尝试：

• 探索更多内置工具的组合使用
• 开发自定义插件扩展功能
• 集成到您的工作流程中提高效率

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。