Browser Use:40.7K Star!一句话让AI完全接管浏览器!自动规划完成任务,多标签页同时管理

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
NLP自然语言处理_高级版,每接口累计50万次
简介: Browser Use 是一款专为大语言模型设计的智能浏览器自动化工具,支持多标签页管理、视觉识别、内容提取等功能,并能记录和重复执行特定动作,适用于多种应用场景。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦


🚀 「网页操作告别重复劳动!AI智能浏览器实现全自动抓取,效率提升300%」

大家好,我是蚝油菜花。你是否也经历过这些崩溃时刻——

  • 👉 彻夜写爬虫代码,却被反爬机制拦截到怀疑人生
  • 👉 手动重复点击网页按钮,机械操作导致腱鞘炎警告
  • 👉 多平台数据采集时,开了20个标签页却找不到关键信息...

今天要揭秘的 Browser Use ,正在用AI重新定义浏览器自动化!这个支持GPT-4/Claude的神器,能让你:

  • ✅ 像人类一样智能操作:视觉识别按钮+理解网页语义,绕过99%反爬机制
  • ✅ 并发管理多标签页:同时处理10个任务不混乱,自动提取结构化数据
  • ✅ 自定义动作扩展:通过@action装饰器,3行代码就能对接数据库/生成报表

已经有金融公司用它自动抓取财报数据,跨境电商团队靠它批量上架商品——你的浏览器即将获得「钢铁侠的贾维斯」同款智能!

🚀 快速阅读

  1. 功能:支持多标签页管理、视觉识别、内容提取等。
  2. 技术:集成大型语言模型,使用自动化工具模拟人类操作。
  3. 应用:适用于在线订票、求职申请、数据收集等场景。

Browser Use 是什么

browser-use-cover

Browser Use 是一款专为大语言模型(LLM)设计的智能浏览器工具,旨在让 AI 代理能够像人类一样自然地浏览和操作网页。它支持多标签页管理、视觉识别、内容提取,并能记录和重复执行特定动作。

Browser Use 还支持开发者自定义动作,如保存文件、推送到数据库等。它兼容多种主流的大型语言模型,如 GPT-4 和 Claude,并能并行运行多个 AI 代理,具备自我修正功能,从而提高任务执行的准确性和效率。

Browser Use 的主要功能

  • 网页浏览与操作:AI 代理能像人类用户一样浏览网页和执行操作。
  • 多标签页管理:支持同时管理多个浏览器标签页,提高任务处理效率。
  • 视觉识别与内容提取:识别网页视觉元素并提取 HTML 内容。
  • 操作记录与重复执行:记录 AI 在浏览器中执行的操作,并能重复这些操作。
  • 自定义动作支持:支持开发者定义和执行自定义动作,例如保存数据到文件或推送到数据库。
  • 主流 LLM 模型支持:兼容多种大型语言模型(LLM),如 GPT-4、Claude、Llama 等。

Browser Use 的技术原理

  • 集成 LLM 模型:集成大型语言模型(LLM)理解和执行复杂的网页任务。
  • 浏览器自动化:用自动化工具如 Playwright,模拟人类用户的浏览器操作。
  • 异步编程:支持异步编程,让 AI 代理能非阻塞地执行网络请求和浏览器操作。
  • 自定义动作注册:支持开发者用装饰器或 Pydantic 模型注册自定义动作,扩展 AI 代理的功能。
  • 上下文管理:基于浏览器上下文(Browser Context)管理不同代理的独立会话,保持状态隔离。
  • XPath 和元素定位:用 XPath 和其他方法定位网页元素,实现精确的网页交互。

如何运行 Browser Use

Browser-use 是一个强大的工具,允许用户通过 AI 代理控制浏览器,实现自动化任务。以下将详细介绍如何安装、配置和运行 Browser-use,同时提供一个简单的代码示例帮助你快速上手。

快速开始!

1. 安装 Browser-use

Browser-use 需要 Python 3.11 或更高版本。首先,通过 pip 安装该工具:

pip install browser-use
AI 代码解读

接下来,安装 Playwright,这是 Browser-use 的依赖项:

playwright install
AI 代码解读

2. 编写并运行示例代码

以下是一个简单的代码示例,展示如何使用 Browser-use 来比较两个模型的价格:

from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
from dotenv import load_dotenv

load_dotenv()

async def main():
    # 初始化代理,指定任务和使用的语言模型
    agent = Agent(
        task="比较 gpt-4o 和 DeepSeek-V3 的价格",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    # 运行代理
    await agent.run()

# 执行异步任务
asyncio.run(main())
AI 代码解读

3. 配置 API 密钥

在运行代码之前,确保在 .env 文件中添加所需的 API 密钥。例如,如果使用 OpenAI 的模型,添加以下内容:

OPENAI_API_KEY=your_openai_api_key_here
AI 代码解读

更多配置和选项,请参考Browser-use 的项目文档

通过 WebUI 测试 Browser-use

除了代码方式,Browser-use 还支持通过 Gradio WebUI 进行测试。以下是运行 Gradio 示例的步骤:

1. 安装 Gradio

首先,通过 uv 安装 Gradio:

uv pip install gradio
AI 代码解读

2. 启动 Gradio 示例

运行以下命令启动 Gradio 示例:

python examples/ui/gradio_demo.py
AI 代码解读

启动后,你可以在本地浏览器中访问 Gradio 提供的界面,进行交互式测试 Browser-use。

Browser Use 示例代码和演示

Browser-use 提供了多种实际应用场景的示例代码,以下是一些常见任务的演示:

1. 自动添加购物车并结账

通过以下代码,AI 代理可以自动将商品添加到购物车并完成结账:

Task: Add grocery items to cart, and checkout.

browser-use-demo1

示例代码https://github.com/browser-use/browser-use/blob/main/examples/use-cases/shopping.py

2. 将 LinkedIn 粉丝添加到 Salesforce

以下任务展示了如何将最新的 LinkedIn 粉丝添加到 Salesforce 的潜在客户列表中:

Prompt: Add my latest LinkedIn follower to my leads in Salesforce.

browser-use-demo2

3. 自动申请机器学习相关职位

通过读取简历并搜索相关职位,AI 代理可以自动完成职位申请任务:

Prompt: Read my CV & find ML jobs, save them to a file, and then start applying for them in new tabs, if you need help, ask me.'

browser-use-demo3

示例代码https://github.com/browser-use/browser-use/blob/main/examples/use-cases/find_and_apply_to_jobs.py

4. 自动写文档并保存为 PDF

以下任务展示了如何在Google Docs中写一封信,并将其保存为PDF文档:

Prompt: Write a letter in Google Docs to my Papa, thanking him for everything, and save the document as a PDF.

browser-use-demo4

Browser Use 的未来展望

Browser-use 的目标是让用户能够通过简单的指令完成复杂的浏览器任务。以下是其未来发展的主要方向:

代理功能改进

  • 改进代理的记忆能力(如总结、压缩、RAG 等)
  • 增强规划能力(加载特定网站上下文)
  • 减少令牌消耗(优化系统提示和 DOM 状态)

DOM 提取优化

  • 提高对日期选择器、下拉菜单等特殊元素的提取能力
  • 改进 UI 元素的状态表示

任务重运行

  • 使用 LLM 作为回退机制
  • 简化工作流模板的定义
  • 返回 Playwright 脚本以供进一步使用

数据集与用户体验

  • 创建复杂任务的数据集
  • 提供高质量的 GIF 演示
  • 开发更多教程和实际应用场景

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦

目录
打赏
0
22
21
1
385
分享
相关文章
全球首款开源通用型AI智能体上线!Suna:自动处理Excel/爬数据/写报告等复杂任务一句话搞定
Suna是由Kortix推出的开源通用型AI智能体项目,通过自然语言交互实现浏览器自动化、文件管理、数据分析等复杂任务处理,支持自托管部署,为研究分析和日常工作提供智能辅助。
214 1
全球首款开源通用型AI智能体上线!Suna:自动处理Excel/爬数据/写报告等复杂任务一句话搞定
40.8K star!让AI帮你读懂整个互联网:Crawl4AI开源爬虫工具深度解析
Crawl4AI 是2025年GitHub上备受瞩目的开源网络爬虫工具,专为AI时代设计。它不仅能抓取网页内容,还能理解页面语义结构,生成适配大语言模型的训练数据格式。上线半年获4万+星标,应用于1200+AI项目。其功能亮点包括智能内容提取引擎、AI就绪数据管道和企业级特性,支持动态页面处理、多语言识别及分布式部署。技术架构基于Python 3.10与Scrapy框架,性能卓越,适用于AI训练数据采集、行业情报监控等场景。相比Scrapy、BeautifulSoup等传统工具,Crawl4AI在动态页面支持、PDF解析和语义分块方面更具优势
40.8K star!让AI帮你读懂整个互联网:Crawl4AI开源爬虫工具深度解析
15.4K Star!Vercel官方出品,零基础构建企业级AI聊天机器人
"基于Next.js 14和AI SDK打造的Chat SDK,让开发者快速构建支持多模态交互、代码执行、文件共享的智能对话系统,5分钟完成全栈部署!" —— Vercel AI Chatbot项目核心宣言
37.1K star!AI模型全能工具箱,这个开源项目让智能体开发更简单!
"Awesome MCP Servers 是当前最全面的模型上下文协议服务器集合,为AI开发者提供开箱即用的工具链支持。通过标准化协议实现AI模型与各类资源的无缝对接,堪称智能体开发的瑞士军刀!"
36.7K star!拖拽构建AI流程,这个开源LLM应用框架绝了!
`Flowise` 是一款革命性的低代码LLM应用构建工具,开发者通过可视化拖拽界面,就能快速搭建基于大语言模型的智能工作流。该项目在GitHub上线不到1年就斩获**36.7K星标**,被开发者誉为"AI时代的乐高积木"。
146 8
90.9K star!一键部署AI聊天界面,这个开源项目让大模型交互更简单!
"像使用微信一样操作大模型!Open WebUI 让AI对话从未如此简单"
Cua:Mac用户狂喜!这个开源框架让AI直接接管你的电脑,快速实现AI自动化办公
Cua是一个结合高性能虚拟化与AI代理能力的开源框架,能在Apple Silicon上以接近原生性能运行虚拟机,并让AI直接操作系统应用。
169 17
Cua:Mac用户狂喜!这个开源框架让AI直接接管你的电脑,快速实现AI自动化办公
Amazon Nova Act:网页操作全自动!亚马逊黑科技把浏览器变AI机器人,请假/订餐/写邮件一键搞定
Amazon Nova Act是亚马逊AGI实验室推出的通用AI代理系统,通过原子化分解网页操作任务并配合Playwright实现高可靠性浏览器自动化,其配套SDK支持开发者快速构建智能体应用原型。
102 13
Amazon Nova Act:网页操作全自动!亚马逊黑科技把浏览器变AI机器人,请假/订餐/写邮件一键搞定
6.5K star!AI视频翻译配音神器,一键生成多平台适配内容,专业级本地化方案来袭!
KrillinAI 是一款基于 AI 大模型的视频翻译与配音工具,支持 12 种输入语言和 101 种输出语种,提供专业级翻译质量。其核心功能包括跨语言智能转换、全流程自动化处理及多项黑科技如语音克隆、术语替换等。技术架构涵盖 WhisperKit、OpenAI API 和 FFmpeg 等组件,实现从视频输入到多平台输出的一站式服务。项目已开源,详情见 GitHub 地址:https://github.com/krillinai/KrillinAI。
8.6K star!完全免费+本地运行+无需GPU,这款AI搜索聚合神器绝了!
FreeAskInternet是一款革命性的开源项目,它完美结合了多引擎搜索和智能语言模型,让你在不联网、不花钱、不暴露隐私的情况下,获得媲美ChatGPT的智能问答体验。这个项目最近在GitHub上狂揽8600+星,被开发者称为"本地版Perplexity"。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等