https://gby.ai/tags/gcc/ Recent content in GCC on GbyAI Hugo -- gohugo.io zh Content under license [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/) Tue, 29 Oct 2024 00:00:00 +0000 https://gby.ai/about-gcc/ Tue, 29 Oct 2024 00:00:00 +0000 https://gby.ai/about-gcc/ GCC 进化史 API 层面调用 > RPA 固定工作流 > 视觉模型推理 API 层面：基本不可能哈哈，能做也是像支小宝这种，大厂直接入场。第三方开发者指望微信、支付宝等软件开放 API 基本不现实。当然也有部分开放的 API, 大概能实现的场景和 OpenAI 之前演示的差不多，是有很大局限的。 RPA 固定流程：类似影刀等。内部小 team 也一直在研究 RPA 的流程（Sonic 云真机）针对小红书等大流量平台，做起号、截留评论等。RPA 确实稳定，但是不灵活，兼容性较差。 视觉模型推理：荣耀手机、智谱的 AutoGLM，我理解是 AI 对 RPA 的升级版。通过手机系统级别的 无障碍服务（AccessibilityService） 和 OCR 提供视觉推理与操作。 GCC 概念 以下为 AIPM 技能树文档整理有关 GCC 的截图： 我认为的 GCC = LLM 分析 LUI 输入形成拟人化流程（大脑） + 界面内容识别模型（眼） + 多 Agent 判别（Tools 调用）+ 最终操作程序（手） 画个简图↓ 借着 AutoGLM 这个产品逐步分析一下 输入 LUI 作为输入端，目前来看无论 computer use 还是 phone use 基本上都是文本+语音的模式了，这个没什么可聊的。