需求人群:
"browser-use的目标受众是开发者和自动化工程师,特别是那些需要构建或集成智能网页自动化解决方案的人。由于其支持多种语言模型和自动化复杂的网页交互,它适合需要处理大量网页数据和操作的专业人士,以及希望提高网页自动化任务效率的开发者。"
使用场景示例:
使用browser-use在hackernews上获取show hn的前10个帖子标题、积分和小时数,并计算每个帖子的积分每小时比率。
搜索2024年的前3大AI公司,并在3个新标签页中找出它们各自使用的硬件模型。
在kayak.com上查找2025年1月12日从苏黎世到旧金山的单程航班。
产品特色:
通用LLM支持 - 与任何语言模型兼容
交互元素自动检测 - 自动找到可交互的网页元素
多标签页管理 - 无缝处理浏览器标签页
XPath提取 - 无需手动检查DevTools即可进行数据抓取
视觉模型支持 - 处理视觉页面信息
可定制动作 - 添加自定义浏览器交互
处理动态内容 - 自动处理cookies或变化内容
链式思维提示与记忆 - 解决长期任务
自我纠正 - 如果LLM出错,代理将自我纠正其动作
使用教程:
1. 创建虚拟环境并安装依赖:使用pip安装browser-use。
2. 添加API密钥到.env文件:复制.env.example到.env,并添加你的API密钥。
3. 使用LangChain支持的任何LLM模型,通过添加适当的环境变量来配置。
4. 编写代码实现自动化任务:通过编写Python代码,使用browser-use库来实现具体的网页自动化任务。
5. 运行你的自动化脚本:执行你的Python脚本,browser-use将根据你的指令自动执行网页操作。
6. 查看结果:browser-use将输出自动化任务的结果,你可以在控制台或指定的输出文件中查看。
浏览量:31
最新流量情况
月访问量
5.16m
平均访问时长
00:06:42
每次访问页数
5.81
跳出率
37.20%
流量来源
直接访问
52.27%
自然搜索
32.92%
邮件
0.05%
外链引荐
12.52%
社交媒体
2.15%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
11.99%
德国
3.63%
印度
9.20%
俄罗斯
5.25%
美国
19.02%
开源的网页自动化库,支持任何大型语言模型(LLM)
browser-use是一个开源的网页自动化库,允许大型语言模型(LLM)与网站进行交互,通过简单的接口实现复杂的网页操作。该技术的主要优点包括对多种语言模型的通用支持、交互元素自动检测、多标签页管理、XPath提取、视觉模型支持等。它解决了传统网页自动化中的一些痛点,如动态内容处理、长任务解决等。browser-use以其灵活性和易用性,为开发者提供了一个强大的工具,以构建更加智能和自动化的网页交互体验。
下一代Python笔记本
marimo是一个开源的Python反应式笔记本,它具有可复现性、对git友好、可以作为脚本执行,并且可以作为应用程序分享。它通过自动运行受影响的单元格来响应单元格的更改,消除了管理笔记本状态的繁琐工作。marimo的UI元素如数据框架GUI和图表,使得数据处理变得快速、未来感和直观。marimo笔记本以.py文件存储,可以与git版本控制一起使用,可以作为Python脚本运行,也可以导入符号到其他笔记本或Python文件中,并使用你喜欢的工具进行lint或格式化。所有这些都在现代的 AI 支持的编辑器中进行。
专为软件改进设计的开源大型语言模型。
Lingma SWE-GPT是一个开源的大型语言模型,专注于软件工程领域的任务,旨在提供智能化的开发支持。该模型基于Qwen系列基础模型,经过额外训练以增强其在复杂软件工程任务中的能力。它在软件工程智能代理的权威排行榜上表现出色,适合需要自动化软件改进的开发团队和研究人员。
开源AI开发者助手,提升开发效率。
OpenHands是由All Hands AI开发的开源AI软件工程师,旨在帮助开发者处理积压的工作,让他们能够专注于解决难题、创造性挑战和过度工程化他们的配置文件。该产品在SWE-bench验证问题集中解决了超过一半的问题,是首个得分超过50%的AI工程师。此外,来自十几个学术机构的顶级代码生成研究人员每天都在帮助改进它。OpenHands在GitHub上以MIT许可证开源,拥有35k星标和190+贡献者。它与AI安全专家如Invariant Labs合作,以平衡创新与安全。
人类中心语言模型和模拟器的领导者
Nous Research专注于开发以人为中心的语言模型和模拟器,致力于将AI系统与现实世界用户体验对齐。我们的主要研究领域包括模型架构、数据合成、微调和推理。我们优先开发开源、人类兼容的模型,挑战传统的封闭模型方法。
代码审查助手,确保代码无缺陷。
Panto AI 是一个编程辅助工具,通过代码审查来预防缺陷代码进入生产环境。它通过全天候运作,暴露代码中的漏洞并建议修复措施,确保只有无缺陷的代码被推送到生产环境。Panto AI 不仅检查错误,还理解代码背后的意图,并与知识库无缝集成,提供更智能的洞察。产品背景信息显示,Panto AI 已经开源其代码,并在GitHub上获得社区支持。
利用Claude 3.5 Sonnet Vision API进行图像中物体检测和可视化的强大Python工具
Claude Vision Object Detection是一个基于Python的工具,它利用Claude 3.5 Sonnet Vision API来检测图像中的物体并进行可视化。该工具能够自动在检测到的物体周围绘制边界框,对它们进行标记,并显示置信度分数。它支持处理单张图片或整个目录中的图片,并且具有高精度的置信度分数,为每个检测到的物体使用鲜艳且不同的颜色。此外,它还能保存带有检测结果的注释图片。
Mochi视频生成器的ComfyUI包装节点
ComfyUI-MochiWrapper是一个用于Mochi视频生成器的包装节点,它允许用户通过ComfyUI界面与Mochi模型进行交互。这个项目主要优点是能够利用Mochi模型生成视频内容,并且通过ComfyUI简化了操作流程。它是基于Python开发的,并且完全开源,允许开发者自由地使用和修改。目前该项目还处于积极开发中,已经有一些基本功能,但还没有正式发布版本。
现代服务开发的终极平台
Batteries Included是一个为现代服务开发设计的全功能平台,提供源代码可用的一站式解决方案。它基于开源代码构建,支持从Docker到Knative的部署,拥有自动化安全和更新、智能自动化、高可靠性、先进的AI技术、以及易于集成的SSO等特点。这个平台旨在帮助开发者构建、部署和轻松扩展项目,同时确保数据隐私和成本效益。
高效能小型语言模型
Zamba2-7B是由Zyphra团队开发的一款小型语言模型,它在7B规模上超越了当前领先的模型,如Mistral、Google的Gemma和Meta的Llama3系列,无论是在质量还是性能上。该模型专为在设备上和消费级GPU上运行以及需要强大但紧凑高效模型的众多企业应用而设计。Zamba2-7B的发布,展示了即使在7B规模上,前沿技术仍然可以被小团队和适度预算所触及和超越。
为复杂企业打造的AI工具
LLMWare.ai是一个为金融、法律、合规和监管密集型行业设计的AI工具,专注于私有云中的小型专业化语言模型和专为SLMs设计的AI框架。它提供了一个集成的、高质量的、组织良好的框架,用于开发AI代理工作流、检索增强生成(RAG)和其他用例的LLM应用程序,包括许多核心对象,以便开发者可以立即开始。
可视化和透明的开源ChatGPT替代品
Show-Me是一个开源应用程序,旨在提供传统大型语言模型(如ChatGPT)交互的可视化和透明替代方案。它通过将复杂问题分解成一系列推理子任务,使用户能够理解语言模型的逐步思考过程。该应用程序使用LangChain与语言模型交互,并通过动态图形界面可视化推理过程。
与文档进行自然语言对话的Python应用
Chat With Your Docs 是一个Python应用程序,允许用户与多种文档格式(如PDF、网页和YouTube视频)进行对话。用户可以使用自然语言提问,应用程序将基于文档内容提供相关回答。该应用利用语言模型生成准确答案。请注意,应用仅回应与加载的文档相关的问题。
开源视频编辑框架,支持自动化视频工作流。
Revideo是一个基于Motion Canvas的开源框架,用于程序化视频编辑。它允许开发者自动化复杂的视频工作流程,或在浏览器中构建完整的视频编辑器。Revideo支持使用Typescript创建视频模板,并能够即时预览和渲染为MP4格式的视频。它适用于大规模视频生成、A/B测试视频广告、构建网页内的视频编辑器或视频游戏等场景。
AI助手,简化代码审查流程
pr-agent是CodiumAI推出的一款AI助手工具,旨在帮助开发者更快速、高效地审查代码。它能够自动分析提交和PR,并提供多种反馈,如自动生成PR描述、主题反馈、安全问题、代码建议等。该工具支持多种编程语言,并且是开源的,可在GitHub上找到。它通过简化代码审查流程,提高软件质量,是开发团队和个人开发者的得力助手。
无需编写代码,快速构建AI工作流
BuildEL是一个无需编写代码即可构建AI工作流的平台,它通过提供多种模块和接口,支持用户快速搭建复杂的工作流程。该产品特别适合需要快速实现自动化任务和提升工作效率的企业和个人。BuildEL的开源特性使得用户可以自由地在本地部署和贡献代码,同时支持多种接口和模块,满足不同场景的需求。
开源AI代码编辑器,为10倍效率工程师设计。
Melty是一款开源的AI代码编辑器,它能够理解用户从终端到GitHub的操作,并与用户协作编写生产就绪的代码。由Charlie和Jackson开发,他们有着丰富的编程工具使用经验,旨在通过AI技术提高编程效率和代码质量。Melty在28天内已经能够编写其一半的代码,展现了其强大的自适应和学习能力。
先进的小型语言模型,专为设备端应用设计。
Zamba2-mini是由Zyphra Technologies Inc.发布的小型语言模型,专为设备端应用设计。它在保持极小的内存占用(<700MB)的同时,实现了与更大模型相媲美的评估分数和性能。该模型采用了4bit量化技术,具有7倍参数下降的同时保持相同性能的特点。Zamba2-mini在推理效率上表现出色,与Phi3-3.8B等更大模型相比,具有更快的首令牌生成时间、更低的内存开销和更低的生成延迟。此外,该模型的权重已开源发布(Apache 2.0),允许研究人员、开发者和公司利用其能力,推动高效基础模型的边界。
AI提示工程师,提升AI交互效率。
Ape是一个开源的AI提示工程师,由Weavel公司开发,旨在通过优化AI的交互方式来提升效率。它是一个专门为AI设计的提示工程库,支持自定义和自动化的AI交互流程,帮助开发者和用户更高效地利用AI技术。Ape的核心优势在于其开源性、灵活性和易用性,适用于需要与AI进行复杂交互的场景。
Mac上的简单助手,使用llama-cpp-python。
LLaMA Assistant for Mac是一个基于llama-cpp-python库开发的桌面客户端,旨在通过预定义需求为用户提供帮助。它采用了大量来自其他项目的代码,但用llama-cpp-python替代了ollama部分,以实现更符合Python编程风格的解决方案。
一个简单易用的网页抓取工具。
Scrape It Now! 是一个开源的网页抓取工具,它提供了一整套自动化网页抓取和索引的解决方案。该工具使用Python编写,支持多种功能,包括动态JavaScript内容加载、广告屏蔽、随机用户代理,自动创建AI搜索索引等,以提高抓取效率和数据质量。它适用于需要从网页中提取信息并进行进一步分析或存储的用户。
开源自主软件开发系统
SuperCoder 2.0是一个开源的自主软件开发系统,利用大型语言模型(LLMs)和大型动作模型(LAMs)针对Python代码生成进行微调,以实现更高精度的一次性或少次编程。它结合特定于开发框架的软件护栏,如Flask和Django,与SuperAGI的通用智能开发代理一起,提供复杂的现实世界软件系统。SuperCoder 2.0还确保了您的知识产权和代码免受AI相关的滥用,并与现有的开发栈如Jira、Github或Gitlab、Jenkins、CSPs以及QA解决方案如BrowserStack/Selenium Clouds深度集成,确保无缝的软件开发体验。
创建和运行智能代理的工具
AutoGPT是一个强大的工具,它允许用户创建和运行智能代理,这些代理可以自动执行各种任务,使生活更轻松。AutoGPT的目标是提供工具,让用户专注于重要的事情。它通过构建和使用AI代理,推动了AI创新的前沿。
开源小型语言模型,适用于企业级应用
H2O-Danube2-1.8B是H2O.ai最新发布的开源小型语言模型,专为离线应用和企业级应用设计,具有经济高效的接口和训练成本,易于嵌入到移动电话、无人机等边缘设备中。该模型在Hugging Face Open LLM Leaderboard的<2B范围内排名第一,提供高达200倍的查询成本节省,同时在文档处理上提供更好的准确性,成本降低高达100%。H2O.ai平台还提供了成本控制和灵活性,支持超过30种大型语言模型(Large Language Models, LLMs)的混合使用,包括专有和开源的LLMs。
基于代理的自动化系统,专注于网页自动化。
Agent-E 是一个基于 AutoGen 代理框架的系统,旨在自动化用户计算机上的操作,目前专注于浏览器内的自动化。它通过自然语言与网页浏览器交互,执行填写表单、搜索和排序电商产品、定位网站内容、管理播放设置、执行网络搜索、管理项目管理平台任务等操作。Agent-E 正在成长中,已经能够处理多样化的任务,但最佳任务是用户自行发掘的。
高效的自更新视觉工作流,适用于大型语言模型。
OmniChain是一个为大型语言模型设计的高效自更新视觉工作流工具。它通过自定义逻辑流程引导AI语言模型,显著提高了工作效率。OmniChain利用链式记忆能力存储和回忆信息,基于这些信息做出决策。它允许用户创建像不知疲倦的机器人员工一样24/7工作的流程,只有在用户决定与之交流时才会暂停操作。OmniChain还可以通过特定过程引导较小的模型,提高效率和成本效益。此外,它能够访问底层操作系统读写文件和运行命令,生成和运行NodeJS代码片段或脚本,使用API,自动化任务等。OmniChain是私有的(自托管)、完全开源的,并通过非限制性的MIT许可证可供商业使用。
提升大型语言模型性能的混合代理技术
MoA(Mixture of Agents)是一种新颖的方法,它利用多个大型语言模型(LLMs)的集体优势来提升性能,实现了最先进的结果。MoA采用分层架构,每层包含多个LLM代理,显著超越了GPT-4 Omni在AlpacaEval 2.0上的57.5%得分,达到了65.1%的得分,使用的是仅开源模型。
一个交互式绘图应用,用于数学方程的绘制和计算。
AI Math Notes 是一个开源的交互式绘图应用程序,允许用户在画布上绘制数学方程。应用程序利用多模态大型语言模型(LLM)计算并显示结果。该应用程序使用Python开发,利用Tkinter库创建图形用户界面,使用PIL进行图像处理。灵感来源于Apple在2024年全球开发者大会(WWDC)上展示的'Math Notes'。
© 2024 AIbase 备案号:闽ICP备08105208号-14