---
title: "Cradle – 通用计算机控制的多模态AI Agent框架"
url: "https://paooo.com/aigc-news/27433/"
author: "Prompt 语宙研究院"
published_at: "2026-07-09T19:17:00+08:00"
updated_at: "2026-07-09T19:17:00+08:00"
categories: "AIGC 资讯"
tags: "AI办公效率, AI智能体, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Cradle – 通用计算机控制的多模态AI Agent框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/27433/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-09

## AI 30 秒核心看点 (TL;DR)

- 无需内部 API、无需额外训练，Cradle 可直接用键盘鼠标控制任意开闭源软件。
- 框架集成多模态感知、自我反思、任务推断、技能策划与动作规划，形成完整闭环。
- 已开源论文、代码与项目，适合桌面自动化、网页交互、游戏控制等场景。

## Cradle是什么

Cradle是面向通用计算机控制（General Computer Control, GCC）的多模态AI Agent框架，由昆仑万维携手北京智源人工智能研究院、新加坡南洋理工大学、北京大学等顶尖名校机构推出的通用计算机控制框架，使AI Agent无需训练便能像人一样直接控制键盘鼠标，不依赖任何内部API，实现任意开闭源软件交互。 Cradle是迄今为止第一个既能玩多种商业游戏又能操作各种软件应用的AI框架，其论文、项目、代码均已开源。

## Cradle的主要功能

- **信息收集**：从屏幕图像和可能的声音中提取多模态信息，用于决策制定。

- **自我反思**：评估先前行动的成功与否，并分析失败原因，以指导后续行动。

- **任务推断**：根据当前环境和历史信息，推断并选择最佳的下一个任务。

- **技能策划**：生成和更新与给定任务相关的技能，以适应不同的计算机操作需求。

- **动作规划**：为键盘和鼠标控制生成具体操作，将策略转化为可执行的命令。

## Cradle的技术原理

- **多模态输入处理**：Cradle能接收并处理屏幕图像和音频的多模态输入，模拟人类感知方式理解计算机界面和环境。

- **信息提取与理解**：用大型多模态模型（如GPT-4V）来识别图像中的视觉元素、文本信息和音频中的指令或反馈。

- **自我反思机制**：通过反思模块，Cradle评估之前执行动作是否成功，并分析失败原因，为调整策略提供依据。

- **任务推断与规划**：Cradle通过任务推断模块确定当前的优先任务，并在动作规划模块中制定出新动作完成任务。

- **技能生成与更新**：技能策划模块负责根据当前任务生成新的技能或更新现有技能，技能以代码函数的形式存在，可以被实例化并执行。

- **记忆与知识管理**：Cradle拥有长期和短期记忆系统，存储过去的经验和技能，在需要时进行检索和应用。

## Cradle的项目地址

- 
**GitHub****仓库**：[https://github.com/BAAI-Agents/Cradle](https://github.com/BAAI-Agents/Cradle)

- 
**arXiv****技术论文**：[https://arxiv.org/pdf/2403.03186](https://arxiv.org/pdf/2403.03186)

## Cradle的应用场景

- **桌面软件自动化**：自动化执行桌面软件中的重复性任务，如文档编辑、表格处理、图像编辑等。

- **网页内容交互**：模拟用户与网页的交互，包括填写表单、点击按钮、导航链接等。

- **游戏环境**：在游戏环境中，如Red Dead Redemption II，Cradle可控制游戏角色执行任务、探索环境、战斗等。

- **专业软件操作**：在需要专业技能的软件中，如图形设计或视频编辑软件，Cradle可学习并执行特定的创作任务。

- **日常计算机任务**：执行日常计算机使用中的任务，比如文件管理、电子邮件处理、日程安排等。

## 常见问题解答 (FAQ)

### Cradle是什么类型的AI框架？
Cradle 是面向通用计算机控制（GCC）的多模态 AI Agent 框架，核心能力是让 AI 无需依赖内部 API，直接通过键盘和鼠标操作软件与游戏，实现通用交互控制。

### Cradle需要训练后才能使用吗？
不需要。根据文章描述，Cradle 的特点之一就是无需训练即可直接控制计算机界面，通过多模态输入、任务推断和动作规划完成操作。

### Cradle适合哪些实际应用场景？
Cradle 可用于桌面软件自动化、网页内容交互、游戏控制、专业软件操作以及日常计算机任务，如文件管理、邮件处理和日程安排等。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)