Browser Use - 让AI能够控制你的浏览器

大模型本地部署

于 2025-04-22 15:16:33 发布

阅读量1k

点赞数 24

文章标签：人工智能 java 大模型 deepseek chatgpt 运维

本文链接：https://blog.csdn.net/youmaob/article/details/147422704

版权

在科技飞速发展的当下，人工智能（AI）已经渗透到我们生活的方方面面，而AI智能体与浏览器的连接，正逐渐成为互联网发展的全新趋势，引发了大众对上网体验变革的无限期待。这种创新的融合，就像是为传统浏览器插上了智能的翅膀，将为我们带来前所未有的互联网交互感受。

本篇将介绍将你的AI代理与浏览器轻松连接，通过AI智能体访问各类网站的自动化框架 - Browser Use

1、Browser Use是什么？

Browser Use是将你的AI智能体与浏览器连接起来的最简单方式。它通过提供一个功能强大且操作简单的浏览器自动化接口，让AI智能体能够访问各类网站。

功能特点：

强大的浏览器自动化功能：Browser Use将先进的AI能力与强大的浏览器自动化技术相结合，为AI智能体实现流畅无缝的网页交互体验。
视觉感知与HTML结构提取：将视觉理解能力与HTML结构提取功能相结合，以实现全面的网页交互。
多标签页管理：可自动处理多个浏览器标签页，以适应复杂的工作流程和并行处理需求。
元素追踪：提取被点击元素的 XPath（路径表达式），并重复完全相同的大语言模型（LLM）操作，以实现连贯一致的自动化操作。
自定义操作：添加你自己的操作，比如保存到文件、数据库操作、发送通知，或者处理人工输入等。

官网地址：

https://browser-use.com/

2、快速上手

一、安装与智能体设置

1、Browser Use需要Python 3.11或更高版本。

pip install browser-use

2、安装Playwright。

playwright install

3、创建一个智能体。

然后你可以按如下方式使用该智能体：

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="Compare the price of gpt-4o and DeepSeek-V3",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    await agent.run()

asyncio.run(main())

4、设置你的大语言模型（LLM）API密钥。

ChatOpenAI以及其他基于Langchain的聊天模型都需要API密钥。你可以将这些密钥存储在你的.env文件中。

OPENAI_API_KEY=

3、Browser Use + DeepSeek-R1

本篇示例，作者使用DeepSeek-R1模型。

访问DeepSeek的API开放平台，购买流量，并创建API key。

https://platform.deepseek.com/

示例脚本：

将引入的智能体（DeepSeek-R1）与API密钥放在同一个脚本文件里。

操作步骤为打开购物网站，输入账户密码登录，查看商品详情，添加购物车，关闭浏览器。

import asyncio
import os

from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from pydantic import SecretStr

from browser_use import Agent

# dotenv
load_dotenv()

api_key = os.getenv('DEEPSEEK_API_KEY', 'sk-……)
if not api_key:
    raise ValueError('DEEPSEEK_API_KEY is not set')

async def run_search():
    agent = Agent(
        task=(
            '1. 访问 https://www.saucedemo.com/'
            '2. 输入用户名 standard_user, 密码 secret_sauce, 进行登录'
            '3. 点击黑色T-Shirt, 查看详情'
            '4. 将黑色T-Shirt添加到购物车'
            '5. 关闭浏览器'
        ),
        llm=ChatOpenAI(
            base_url='https://api.deepseek.com/v1',
            model='deepseek-chat',
            api_key=SecretStr(api_key),
        ),
        use_vision=False,
    )

    await agent.run()

if __name__ == '__main__':
    asyncio.run(run_search())

运行时，AI识别页面元素：

控制台日志信息：

完整运行过程：

那么，如何系统的去学习大模型LLM？

作为一名从业五年的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

由于篇幅有限，⚡️ 朋友们如果有需要全套《2025全新制作的大模型全套资料》，扫码获取~
在这里插入图片描述

👉大模型学习指南+路线汇总👈

我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。
在这里插入图片描述

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。
在这里插入图片描述

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。
在这里插入图片描述

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。
在这里插入图片描述

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
在这里插入图片描述
相信我，这套大模型系统教程将会是全网最齐全最易懂的小白专用课！！