TuriX config.json配置详解：如何为brain、actor、memory、planner四个模型正确搭配LLM

TuriX config.json配置详解：如何为brain、actor、memory、planner四个模型正确搭配LLM

【免费下载链接】TuriX-CUAThis is the official website for TuriX Computer-use-Agent项目地址: https://gitcode.com/gh_mirrors/tu/TuriX-CUA

TuriX 是一款开源的 AI 桌面操作智能体（Computer-use-Agent），它让大模型直接在你的电脑上点击、输入、开应用。TuriX 采用"多模型分工"架构，所有模型都通过一个 examples/config.json 文件配置：只要改brain_llm、actor_llm、memory_llm、planner_llm四段 JSON，就能为每个角色自由搭配 LLM，无需改一行代码。

先看懂：四个模型各自负责什么

TuriX 把"用电脑"这件事拆成了四个角色，每个角色独立配置一个 LLM：

四个角色的提示词定义在 src/agent/prompts.py 中，主流程则位于 src/agent/service.py。注意planner 是可选的：只有当agent.use_plan设为true时才需要它（见 src/agent/planner_service.py）。

config.json 配置总览

四个模型使用完全相同结构的配置块，核心字段只有 4 个：

"brain_llm": { "provider": "turix", "model_name": "turix-brain", "api_key": "YOUR_API_KEY", "base_url": "https://your-endpoint/v1" }, "actor_llm": { "provider": "...", "model_name": "...", "api_key": "...", "base_url": "..." }, "memory_llm": { "provider": "...", "model_name": "...", "api_key": "...", "base_url": "..." }, "planner_llm":{ "provider": "...", "model_name": "...", "api_key": "...", "base_url": "..." }

• provider：决定用哪种客户端接入，目前内置turix（OpenAI 兼容）、gpt、google_flash、google_pro、anthropic、deepseek、minimax、kimi、ollama等，定义在 examples/main.py 的build_llm函数中
• model_name/api_key/base_url：模型名称、密钥与你的模型服务地址
• 除provider、model_name外还支持temperature、max_tokens、timeout、model_kwargs等可选字段

如果想接入其他模型，只需在main.py中按同样方式扩展一个新的 provider 分支即可。

如何为每个角色正确搭配 LLM

brain：选最强的视觉模型

brain 每一步都要分析 1~2 张截图，判断"上一步成功了吗？下一步该干什么"，是整个 Agent 成败的关键。给它配置视觉能力最强的模型，并通过顶层字段brain_enable_thinking（见 examples/main.py）开启思考模式，复杂任务会更稳。

actor：选定位准、响应快的视觉模型

actor 负责把 brain 的目标落到 0~1000 归一化坐标的点击和输入上，对坐标定位精度要求高。actor 默认关闭思考模式（固定enable_thinking=False），所以不必选"想得多"的模型，快而准更重要。

memory：性价比之选

memory 只做一件事：把历史步骤压缩成结构化摘要（提示词见 src/agent/prompts.py）。纯文本模型即可胜任，可以复用 brain 的模型或换一个便宜的小模型来省成本。与之相关的memory_budget_tokens、summary_memory_budget_tokens控制记忆占用上限。

planner：开启计划才需要配置

planner 只在agent.use_plan: true时加载（examples/main.py），负责生成步骤级计划并挑选 Skills，且默认开启思考模式。如果你的任务较简单、关闭了 planning，这一段可以不填也不报错。

💡省事搭配：四个角色填同一个视觉大模型也能跑；追求效果再按"brain 最强、actor 求快、memory 求省"的原则分别升级。

进阶：四个角色全部指向本地 Ollama

本地部署时，把四个provider都改为ollama，base_url指向本机 Ollama 服务地址，model_name写你拉取的视觉模型（如 llama3.2-vision）即可，api_key可省略。这样 brain、actor、memory、planner 全程离线运行，适合数据敏感的场景。

⚠️ 常见配置坑

1. planner 没配又开了 planning——use_plan: true时planner_llm必须填写，否则启动报错
2. base_url 漏填——turix/deepseek之外的部分 provider 会兜底默认地址，但turix与ollama缺失时行为不同，建议显式填写
3. api_key 找不到—— 会自动回退读取环境变量API_KEY或OPENAI_API_KEY
4. 任务描述含糊——agent.task的清晰度直接影响成功率，写清应用名和具体目标

配置完成，一键运行

保存 examples/config.json 后执行：

python examples/main.py

Agent 会在.turix_tmp目录（由output_dir控制）中输出日志和 brain / actor / planner 的对话记录（save_brain_conversation_path等字段可自定义文件名），方便你回看每个角色的"思考过程"，快速定位是哪个模型拖了后腿。

四段配置看懂了，你的 TuriX 就能换上最合适的"大脑"，让桌面自动化又快又稳 🎉

【免费下载链接】TuriX-CUAThis is the official website for TuriX Computer-use-Agent项目地址: https://gitcode.com/gh_mirrors/tu/TuriX-CUA