File size: 2,682 Bytes
c08e478 3b79d2e c08e478 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 | ---
tags:
- ml-intern
---
# 🤖 Desktop Agent Autónomo (Sin Censura)
Agente de escritorio autónomo con VLM multimodal sin censura.
## Arquitectura
```
👁️ OJOS → pyautogui.screenshot() → Captura pantalla
🧠 CEREBRO → Qwen3.5-35B-A3B-abliterated → Piensa y decide
🖐️ MANOS → pyautogui → Ejecuta acciones
📚 MEMORIA → DPO online → Aprende de interacciones
```
## Modelos Soportados (Sin Censura)
| Modelo | Tamaño | VRAM (4-bit) | Tipo | Link |
|--------|--------|--------------|------|------|
| **Qwen3.5-35B-A3B-abliterated** ⭐ | 35B/3B activos | ~16GB | MoE | [HF](https://hf.co/huihui-ai/Huihui-Qwen3.5-35B-A3B-abliterated) |
| Qwen3.6-27B-abliterated | 27B | ~27GB | Dense | [HF](https://hf.co/wangzhang/Qwen3.6-27B-abliterated) |
| Gemma-4-26B-A4B-abliterated | 26B/4B activos | ~14GB | MoE | [HF](https://hf.co/jenerallee78/gemma-4-26B-A4B-it-ara-abliterated) |
## Instalación
```bash
pip install -r requirements.txt
```
## Uso
### 1. Ejecutar agente
```bash
python agent.py --task "Open Chrome and search for AI news" --steps 20
```
### 2. Entrenar con DPO (aprendizaje)
Primero el agente interactúa y guarda logs. Luego:
```bash
python train_dpo.py --epochs 3 --lr 5e-7
```
### 3. Usar modelo entrenado
```bash
python agent.py --model "Matzan/desktop-agent-dpo" --task "New task"
```
## Acciones Soportadas
- `click(x, y)` — Click en coordenadas normalizadas (0-1)
- `type("text")` — Escribe texto
- `key("enter")` — Presiona tecla
- `scroll(x, y, "down")` — Scroll en posición
- `done("reason")` — Termina tarea
- `fail("reason")` — No puede completar
## ⚠️ Seguridad
- `pyautogui.FAILSAFE = True` — Mueve mouse a esquina superior izquierda para abortar
- El agente puede interactuar con tu desktop real. Úsalo con precaución.
## Pipeline de Aprendizaje
```
1. Agente interactúa → Guarda (screenshot, acción, reward)
2. DPO: compara acciones exitosas vs fallidas
3. Reentrena modelo
4. Repite
```
<!-- ml-intern-provenance -->
## Generated by ML Intern
This model repository was generated by [ML Intern](https://github.com/huggingface/ml-intern), an agent for machine learning research and development on the Hugging Face Hub.
- Try ML Intern: https://smolagents-ml-intern.hf.space
- Source code: https://github.com/huggingface/ml-intern
## Usage
```python
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = 'Matzan/desktop-agent-uncensored'
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)
```
For non-causal architectures, replace `AutoModelForCausalLM` with the appropriate `AutoModel` class.
|