Browser-use：让AI掌控你的浏览器，开启自动化新纪元！

导语：

你是否想过让AI帮你完成繁琐的浏览器操作？Browser-use来了！这款工具让AI能够直接控制你的浏览器，从购物比价到自动填写表单，甚至帮你申请工作，一切都能轻松搞定。无论你是开发者、研究者，还是普通用户，Browser-use都能为你带来前所未有的自动化体验。本文将为你全面解析Browser-use的功能、使用方法及未来规划，带你领略AI与浏览器结合的无限可能！

正文：

1. Browser-use的核心功能

• • 浏览器自动化：通过AI控制浏览器，完成复杂任务，如购物、填写表单、申请工作等。
• • 多任务支持：支持多种任务类型，包括数据提取、表单填写、文件保存等。
• • 无缝集成：与LangChain、OpenAI等工具无缝集成，轻松构建AI驱动的浏览器自动化流程。
• • 云端与本地支持：提供云端版本和本地部署选项，满足不同用户需求。

2. 快速开始

只需几步，你就能让AI掌控你的浏览器：

1. 1. 安装Browser-use：

   pip install browser-use

2. 2. 安装Playwright：

   playwright install

3. 3. 启动你的AI代理：

   from langchain_openai import ChatOpenAI
   from browser_use import Agent
   import asyncio
   from dotenv import load_dotenv
   
   load_dotenv()
   
   asyncdefmain():
       agent = Agent(
           task="Compare the price of gpt-4o and DeepSeek-V3",
           llm=ChatOpenAI(model="gpt-4o"),
       )
       await agent.run()
   
   asyncio.run(main())

4. 4. 添加API密钥：在.env文件中添加你的OpenAI API密钥：

   OPENAI_API_KEY=your_api_key

3. UI测试与示例

• • Gradio示例：通过Gradio界面快速测试Browser-use的功能：

  uv pip install gradio
  python examples/ui/gradio_demo.py

• • 任务示例：
• • 购物任务：将商品加入购物车并结账。
• • LinkedIn任务：将最新LinkedIn关注者添加到Salesforce的潜在客户列表中。
• • 求职任务：读取简历，查找机器学习工作并保存到文件，然后在新标签页中申请工作。
• • 文档任务：在Google Docs中写一封感谢信并保存为PDF。

4. 未来规划

• • 增强代理能力：改进记忆功能、增强规划能力、减少token消耗。
• • DOM提取优化：提升对日期选择器、下拉菜单等特殊元素的提取能力。
• • 数据集与基准测试：创建复杂任务数据集，并对不同模型进行基准测试。
• • 用户体验提升：改进GIF生成质量，创建更多教程示例。

5. 贡献与合作

• • 贡献指南：欢迎提交问题和功能请求，或参与文档编写。
• • 合作机会：我们正在组建委员会，探索如何通过UI/UX设计提升AI代理的性能。如果你有兴趣，请联系Toby申请加入。

6. 引用与致谢

如果你在研究中使用了Browser-use，请引用以下文献：

@software{browser_use2024,
    author = {Müller, Magnus and Žunič, Gregor},
    title = {Browser Use: Enable AI to control your browser},
    year = {2024},
    publisher = {GitHub},
    url = {https://github.com/browser-use/browser-use}
}