快速部署 UI-TARS，让你的电脑听懂人话！- Quick deployment of UI-TARS, make your computer understand human language!
UI-TARS本地部署指南（以Mac为例）：
一、前置条件
系统：macOS Ventura 或更高版本
Python：3.9+（可通过 Homebrew 安装）
存储：至少 10GB 可用空间
二、部署步骤
1. 安装基础依赖
# 安装 Homebrew（已安装可跳过）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# 安装 Python 和 Git(以python3.9为例, 不能低于3.9)
brew install python@3.9 git
# 创建并激活虚拟环境
python3.9 -m venv uitars_env && source uitars_env/bin/activate
2. 安装 PyTorch 和依赖
# 安装适配 Mac M芯片的 PyTorch
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cpu
# 克隆仓库
git clone https://github.com/bytedance/UI-TARS.git && cd UI-TARS
# 安装项目依赖
pip install -r requirements.txt huggingface-hub bitsandbytes
3. 下载轻量模型
# 下载 Phi-2 模型（约 5GB）, 如果硬件条件好，可以试试phi4
mkdir -p models/phi-2
huggingface-cli download microsoft/phi-2 --local-dir models/phi-2
4. 配置参数文件
# 修改配置文件(尽量只用CPU)
echo 'device: "cpu"\nmodel_path: "models/phi-2"\nquantize: 4bit' > configs/local_config.yaml
三、验证安装
1. 检查模型加载
python3 -c "from transformers import AutoModelForCausalLM; AutoModelForCausalLM.from_pretrained('models/phi-2'); print('✅ 模型加载成功')"
如果输出 模型加载成功！，则说明环境配置正确。
2. 运行示例
# 创建测试图片目录
mkdir test_images && curl -o test_images/demo.png https://example.com/sample-ui.png
# 执行推理
python3 scripts/predict.py --image test_images/demo.png --config configs/local_config.yaml
# 查看结果
cat outputs/demo.json
