AgentNet 是由香港大学 XLANG 实验室，联合 Moonshot AI 、斯坦福大学等机构，于 2025 年发布的首个大规模桌面计算机使用智能体轨迹数据集，相关论文成果为「OPENCUA: Open Foundations for Computer-Use Agents」，旨在支持与评测跨平台的 GUI 操作智能体与视觉-语言-动作（VLA）模型。

数据集包含 22.6K 条人工标注的电脑使用任务轨迹，覆盖 Windows / macOS / Ubuntu 三大系统与 200+ 个应用/网站，场景涉及办公、专业、日常、系统四类。适用于桌面自动化、多应用流程与跨平台代理的训练与评估。

数据结构与字段

每条样本包含：

• 任务元信息：任务编号（task_id）、指令（instruction）；
• 质量评分：是否完成、一致性、效率、难度；
• 摘要性描述：natural_language_task 、 actual_task；
• 轨迹数组：traj（按时间顺序记录的操作步骤）。

轨迹步骤（traj）结构：

• 每步含 index 、 image（截图），以及 value 对象：
  • observation（场景观察）、 thought（思考/计划）、 action（自然语言动作）、 code（可执行代码，如 PyAutoGUI）、 last_step_correct 、 last_step_redundant 、 reflection（反思）。