项目名称

Argus - The One Who Sees Everything

Next-Gen Windows Agent with Dual-Engine Architecture & Smart Routing

Argus 是一款专为 Windows 平台打造的下一代智能 Agent。它旨在解决当前 GUI Agent 面临的视觉模型 Token 消耗昂贵、长文本处理效率低以及容易陷入死循环等痛点。

核心亮点：

• 💡 降本增效：创新性引入 Code Agent (高性价比 LLM) 协助 GUI Agent (视觉模型)。将昂贵的视觉算力集中在点击与识别上，而将逻辑计算、长文本处理和 API 调用等任务则分流给更经济的代码模型。
• ⚡ 智能路由：摒弃臃肿调度，采用轻量级路由，实现毫秒级“视觉/逻辑”模式切换，并支持自动故障转移。
• 🛑 人机协作：拒绝无效重试。当 Agent 遇到无法解决的问题时，主动请求人类介入协助操作或修改指令，保护您的钱包并提高任务成功率。
• ✨ 沉浸式体验：拥有极简悬浮窗和实时操作可视化。

运行条件

1. 操作系统：Windows 10 或 Windows 11。
2. 运行环境：Python 3.10 或更高版本。
3. 模型服务：
   • 需要兼容 OpenAI 格式的大模型 API Key。
   • 推荐配置：火山引擎 (Volcengine) 的 UI-TARS 1.5(视。
4. 网络环境：能够访问上述模型 API 的网络连接。

运行说明

方式一：直接运行 (推荐)

无需配置复杂的 Python 环境，您可以直接前往 GitHub Releases 下载最新版本的 Argus.exe。

• 下载后双击运行即可。
• 初次启动时，程序会引导您在界面中直接填入 API Key，无需手动修改配置文件。

方式二：源码部署 (开发者)

1. 安装依赖

下载项目代码后，在终端中运行以下命令安装所需库：

pip install -r requirements.txt

2. 配置环境变量

修改 .env 文件，配置您的模型 Key (推荐火山引擎或兼容 OpenAI 格式的接口):

GUIAgent_MODEL=doubao-1-5-ui-tars-250428
GUIAgent_API_BASE=https://ark.cn-beijing.volces.com/api/v3/
GUIAgent_API_KEY=

CodeAgent_MODEL=deepseek-v3-2-251201
CodeAgent_API_BASE=https://ark.cn-beijing.volces.com/api/v3/
CodeAgent_API_KEY=

3. 启动程序

运行主程序：

python main.py

使用方法

• 程序启动后，桌面顶部会出现 Argus Liquid Bar (悬浮窗)。
• 在输入框中输入您的指令（例如：“帮我打开记事本写一首关于春天的诗”），回车即可执行。
• 观察屏幕，Argus 会自动规划并通过鼠标/键盘完成任务。

测试说明

如果您希望验证 Argus 的双引擎架构与路由能力，建议进行以下测试：

• 测试 GUI 引擎：输入“打开浏览器并搜索 GitHub”，观察是否调用 UI-TARS 进行精准点击。
• 测试 Code 引擎：输入“计算斐波那契数列前10位并保存到本地文件”，观察是否路由至 Code Agent 直接生成代码并在后台执行，而非控制鼠标点击计算器。

技术架构

Argus 采用双脑架构 (Dual-Brain) 配合 标准化工具层：

graph TD
    User["用户指令"] --> UI["Liquid Bar (悬浮窗)"]
    UI --> Router{"Smart Router (智能路由)"}

    Router -- "界面操作任务" --> GUI["GUI Agent (Visual Model / UI-TARS)"]
    Router -- "逻辑/文本任务" --> Code["Code Agent (Cheaper LLM)"]

    GUI <--> Tools["Function Call Tools"]
    Code <--> Tools

    Tools --> Screen["Windows 桌面 / 系统 API"]

    GUI -- "遇到困难" --> Router
    Router -- "自动切换 (Fallback)" --> Code

    GUI -- "失败" --> Fallback["Human Intervention (人工介入)"]
    Code -- "失败" --> Fallback
    Fallback -- "人工协助完成/跳过" --> Router

Loading

• GUI Engine: 搭载 UI-TARS，负责视觉感知、坐标定位、点击拖拽。
• Code Engine: 搭载高性价比 Flash 模型，负责数据清洗、代码生成、逻辑判断。
• Hybrid Memory: 智能管理上下文，自动剪枝过期的视觉截图数据，仅保留关键文本记忆。

目录结构

Argus/
├── main.py              # 程序入口
├── .env                 # 环境变量配置
├── requirements.txt     # Python 依赖库
└── core/                # 核心代码
    ├── agents/          # 智能体与路由
    │   ├── smart_router.py # 智能路由器
    │   ├── gui_agent/      # 视觉模型 Agent
    │   ├── code_agent/     # 代码模型 Agent
    │   └── agent_memory/   # 记忆管理
    ├── tools/           # 工具函数库
    └── ui/              # 界面与交互

协作者

⚠️ 注：排名不分先后，按姓名首字母拼音排序。

冯泓皓 华南理工大学 24级

郭与 华南理工大学 25级

李静姝 华南理工大学 25级

林子尊 华南理工大学 24级

刘亦凡 华南理工大学 24级