腾讯AppAgent解析树与视觉结合

发生了什么

据稀土掘金报道，腾讯出品、CHI 2025收录的AppAgent框架采用两阶段工作流：先探索积累UI文档，再部署执行任务。其核心在于解析树（XML数据）与视觉特征双输入，通过确定性代码在截图上标注数字标签，由单一视觉语言模型决策“选哪个数字”，无需像素级坐标定位能力。