Visual ChatGPT — agent trò chuyện biết gọi hàng loạt model ảnh để tạo, chỉnh, hỏi đáp ảnh bằng ngôn ngữ.
TaskMatrix (trước là Visual ChatGPT) nối một LLM trò chuyện với hàng loạt model thị giác (tạo ảnh, chỉnh ảnh, phát hiện, phân đoạn…). Bạn ra lệnh bằng lời như 'tạo ảnh con mèo rồi xoá nền và thêm chữ', nó tự chọn & gọi đúng công cụ để làm. Là ví dụ kinh điển của agent điều phối nhiều model media.
Các agent tự hành: tự chia việc, tự viết code, tự chạy công cụ như một đội nhân viên.
Các bước cơ bản để bắt đầu.
Clone repo, cài phụ thuộc theo READMEĐặt API key LLM + tải các model thị giác cần dùngChạy giao diện và ra lệnh bằng ngôn ngữ tự nhiênNền tảng tạo & chạy agent AI tự hành: tự chia nhỏ mục tiêu, tự gọi công cụ, hoàn thành tác vụ.
Cho AI điều khiển trình duyệt như người: tự truy cập web, điền form, lấy dữ liệu để hoàn thành nhiệm vụ.
Cho AI chạy code trên máy bạn bằng ngôn ngữ tự nhiên: xử lý file, phân tích dữ liệu, tự động hoá.
