使用 AI 控制浏览器：Browser Use 简介

什么是 Browser Use？

Browser Use 是一个开源工具，允许你使用 AI 控制浏览器。它通过连接 AI 代理与浏览器，实现自动化浏览器操作。这种技术可以帮助你完成复杂的任务，如自动化网页操作、数据收集等。

安装和使用

1. 安装 Browser Use：

   bash
   pip install browser-use

   并安装 Playwright：

   bash
   playwright install chromium

2. 设置环境变量 ：

   在 .env 文件中添加你的 API 密钥（如 OpenAI API 密钥）。

3. 运行示例代码：

   python
   from langchain_openai import ChatOpenAI
   from browser_use import Agent
   import asyncio
   from dotenv import load_dotenv
   load_dotenv()
   
   async def main():
       agent = Agent(
           task="比较 gpt-4o 和 DeepSeek-V3 的价格",
           llm=ChatOpenAI(model="gpt-4o"),
       )
       await agent.run()
   
   asyncio.run(main())

示例任务

• 添加购物车商品并结账。
• 将最新的 LinkedIn 关注者添加到 Salesforce 的潜在客户列表中。
• 读取简历，找到机器学习工作并保存到文件，然后在新标签页中申请这些工作。
• 在 Google Docs 中给父亲写信并保存为 PDF。
• 在 Hugging Face 上查找 cc-by-sa-4.0 许可的模型，按最多点赞排序，并保存前五名到文件。

未来发展

Browser Use 的未来计划包括：

• 改进代理记忆和规划能力。
• 增强 DOM 元素的提取和状态表示。
• 支持重复运行任务和使用 LLM 作为后备。
• 创建复杂任务的数据集并对比不同模型的性能。

贡献和合作

欢迎通过 GitHub 提交 bug 报告或功能请求。Browser Use 还鼓励社区参与，共同定义 UI/UX 设计最佳实践，以提高 AI 代理的性能。