【browser-use+deepseek】实现简单的web-ui自动化

browser-use Web-UI

一、browser-use是什么

Browser Use 是一款开源Python库，专为大语言模型设计的智能浏览器工具，目的是让 AI 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，如保存数据到数据库，文件等。支持多种主流的大型语言模型，如 DeepSeek，GPT-4 和 Claude等，并支持同时运行多个任务，具备自我修正功能，从而提高任务执行的准确性和效率。
官网：https://browser-use.com/
项目网址 ：https://github.com/browser-use/browser-use
Browser-use采用的技术栈为：

  • 1、Observation：页面解析层，采用DOM解析+截图辅助的非视觉+视觉方案。
  • DOM解析（HTML + XPath）：Browser-use通过底层框架（如Playwright）获取当前页面的完整HTML结构，并提取文本、元素属性等关键信息。
  • 截图辅助：在某些情况下（如验证码识别、动态图形验证），纯HTML解析可能无法直接获取信息，此时系统会自动或按需生成页面截图，并将截图作为辅助输入传递给视觉模型
  • 2、Thought：核心决策层，分析Observation提供的页面信息并生成操作指令。
  • 3、Action：指令执行层，微软开发的Playwright作为浏览器控制框架直接与浏览器交互完成自动化任务。Playwright作为新一代高性能UI自动化测试框架，提供低延迟、高稳定性的浏览器控制能力，支持快速页面加载和元素操作。

二、browser-use webui 主要功能

提供了全新的网页界面，简单好用，方便操作。
支持更多大语言模型，比如 Gemini、OpenAI、Azure 等，哦，还有最近爆火的国产大模型 DeepSeek，未来还会加更多。
支持用自己的浏览器，不用再反复登录，还能录屏。
定制了更智能的 Agent，通过优化后的提示让浏览器使用更高效。
使用场景

  • 自动化任务：适合重复高频的浏览器操作任务，如表单填写，信息检索，文件下载
  • 数据收集：适合爬取网络上的数据，如爬虫自动化测试：适合WEB UI
  • 自动化测试，结合pytest轻松实现web自动化

简介：Browser Use 是一款开源Python库，专为大语言模型设计的智能浏览器工具。
目的：让 AI 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。
支持：支持多种主流的大型语言模型，如 DeepSeek，GPT-4 和 Claude等，并支持同时运行多个任务，具备自我修正功能，从而提高任务执行的准确性和效率。
应用场景：该项目可以部署在本地，也可以部署在线上。可以整理固定的文案，run agent 之后，可用于员工培训，可用于新员工入职，展示业务主要功能。

（一）下载与安装

一、下载项目克隆仓库

git clone https://github.com/browser-use/web-ui.git

在这里插入图片描述

二、进入项目

cd web-ui

在这里插入图片描述

三、设置python虚拟环境

1、安装 uv（高性能虚拟环境工具）

pip install uv

在这里插入图片描述

2、创建虚拟环境

uv venv --python 3.11  # 确保 Python 3.11+ 已安装

在这里插入图片描述

3、激活虚拟环境

source .venv/Scripts/activate

在这里插入图片描述

四、安装依赖

uv pip install -r requirements.txt

在这里插入图片描述

五、安装chrom浏览器的依赖

playwright install --with-deps chromium

在这里插入图片描述
或者所有浏览器的依赖

playwright install

六、配置环境变量

cp .env.example .env

（图里发错图了，少了个v ，说明：将env.example复制一份命名为env，然后到第八步，配置env文件）
在这里插入图片描述

七、查看Chrome详情

谷歌浏览器地址输入，即可查看：

chrome://version/

在这里插入图片描述

八、配置env文件

（记事本打开就可以）
在这里插入图片描述

备注：deepseek的api获取：

https://platform.deepseek.com/api_keys

需要充钱才可以用

九、运行web-ui

python webui.py --ip 127.0.0.1 --port 7788

在这里插入图片描述

十、运行方式，可通过git或者pycharm

在这里插入图片描述
在这里插入图片描述
1、开启虚拟环境：source .venv/Scripts/activate
2、输入启动命令：python webui.py --ip 127.0.0.1 --port 7788

（二）使用

一、登录平台

输入地址：127.0.0.1:7788
在这里插入图片描述

127.0.0.1:7788

二、关于浏览器的一些设置

在这里插入图片描述
在这里插入图片描述

三、运行，界面Demo 演示

输入要执行的任务就可以点击 Run Agent 了
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/76761.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Vue--常用组件解析

Vue--常用组件解析

绑定事件v-on和按键修饰符 v-on:click 表示在button元素上监听click事件 简写&#xff1a;click enter space tab 按键修饰符 keyup是用户松开按键才触发 keydown是在用户按下按键时立即触发 代码展示&#xff1a; <!DOCTYPE html><html lang"en" xml…
阅读更多...
《JVM考古现场（十八）：造化玉碟·用字节码重写因果律的九种方法》

《JVM考古现场（十八）：造化玉碟·用字节码重写因果律的九种方法》

"鸿蒙初判&#xff01;当前因果链突破十一维屏障——全体码农修士注意&#xff0c;《JVM考古现场&#xff08;十八&#xff09;》即将渡劫飞升&#xff01;" 目录 上卷阴阳交缠 第一章&#xff1a;混沌初开——JVM因果律的量子纠缠 第二章&#xff1a;诛仙剑阵改—…
阅读更多...
前端vue 项目px转为rem的自适应解决方案

前端vue 项目px转为rem的自适应解决方案

postcss-pxtorem&#xff08;或是postcss-px2rem&#xff09; npm install postcss-pxtorem amfe-flexible --save-dev 在入口文件 main.js 中引入 amfe-flexible&#xff08;响应式适配&#xff09;&#xff1a; main.js import amfe-flexible // 自动设置 html 的 font-s…
阅读更多...
基于时间序列分解与XGBoost的交通通行时间预测方法解析

基于时间序列分解与XGBoost的交通通行时间预测方法解析

一、问题背景与数据概览 在城市交通管理系统中，准确预测道路通行时间对于智能交通调度和路径规划具有重要意义。本文基于真实道路传感器数据，构建了一个结合时间序列分解与机器学习模型的预测框架。数据源包含三个核心部分： 道路通行数据（new_gy_contest_traveltime_train…
阅读更多...
Day14：关于MySQL的索引——创、查、删

Day14：关于MySQL的索引——创、查、删

前言&#xff1a;先创建一个练习的数据库和数据 1.创建数据库并创建数据表的基本结构 -- 创建练习数据库 CREATE DATABASE index_practice; USE index_practice;-- 创建基础表&#xff08;包含CREATE TABLE时创建索引&#xff09; CREATE TABLE products (id INT PRIMARY KEY…
阅读更多...
【C++】继承：万字总结

【C++】继承：万字总结

&#x1f4dd;前言&#xff1a; 这篇文章我们来讲讲面向对象三大特性之一——继承 &#x1f3ac;个人简介&#xff1a;努力学习ing &#x1f4cb;个人专栏&#xff1a;C学习笔记 &#x1f380;CSDN主页 愚润求学 &#x1f304;其他专栏&#xff1a;C语言入门基础&#xff0c;py…
阅读更多...
Java 架构设计：从单体架构到微服务的转型之路

Java 架构设计：从单体架构到微服务的转型之路

Java 架构设计&#xff1a;从单体架构到微服务的转型之路 在现代软件开发中&#xff0c;架构设计的选择对系统的可扩展性、可维护性和性能有着深远的影响。随着业务需求的日益复杂和用户规模的不断增长&#xff0c;传统的单体架构逐渐暴露出其局限性&#xff0c;而微服务架构作…
阅读更多...
Django3 - 开启Django Hello World

Django3 - 开启Django Hello World

一、开启Django Hello World 要学习Django首先需要了解Django的操作指令&#xff0c;了解了每个指令的作用&#xff0c;才能在MyDjango项目里编写Hello World网页&#xff0c;然后通过该网页我们可以简单了解Django的开发过程。 1.1 Django的操作指令 无论是创建项目还是创建项…
阅读更多...
2025阿里云AI 应用-AI Agent 开发新范式-MCP最佳实践-78页.pptx

2025阿里云AI 应用-AI Agent 开发新范式-MCP最佳实践-78页.pptx

2025阿里云AI 应用-AI Agent 开发新范式-MCP最佳实践&#xff0c;包含以下内容&#xff1a; 1、AI 应用架构新范式 2、云原生API网关介绍 3、云原生API网关底座核心优势 4、流量网关最佳实践 5、AI 网关代理 LLM 最佳实践 6、MCP网关最佳实践 7、MSE Nacos MCP Server 注册中心…
阅读更多...
Pytorch深度学习框架60天进阶学习计划 - 第41天：生成对抗网络进阶（一）

Pytorch深度学习框架60天进阶学习计划 - 第41天：生成对抗网络进阶（一）

Pytorch深度学习框架60天进阶学习计划 - 第41天&#xff1a;生成对抗网络进阶&#xff08;一&#xff09; 今天我们将深入探讨生成对抗网络(GAN)的进阶内容&#xff0c;特别是Wasserstein GAN&#xff08;WGAN&#xff09;的梯度惩罚机制&#xff0c;以及条件生成与无监督生成…
阅读更多...
大模型到底是怎么产生的？一文了解大模型诞生全过程

大模型到底是怎么产生的？一文了解大模型诞生全过程

前言 大模型到底是怎么产生的呢？ 本文将从最基础的概念开始，逐步深入，用通俗易懂的语言为大家揭开大模型的神秘面纱。 大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。 知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。 【专栏介绍】： 欢迎关注《…
阅读更多...
五子棋(测试报告)

五子棋(测试报告)

文章目录 一、项目介绍二、测试用例三、自动化测试用例的部分展示注册登录游戏大厅游戏匹配 总结 一、项目介绍 本项目是一款基于Spring、SpringMVC、MyBatis、WebSocket的双人实时对战五子棋游戏,游戏操作便捷&#xff0c;功能清晰明了。 二、测试用例 三、自动化测试用例的…
阅读更多...
idea开发工具多账号使用拉取代码报错问题

idea开发工具多账号使用拉取代码报错问题

设置git不使用凭证管理 把 use credential helper 取消勾选 然后重新pull代码&#xff0c;并勾选remember 这样就可以使用多账号来连接管理代码了
阅读更多...
【OpenCV】【XTerminal】talk程序运用和linux进程之间通信程序编写，opencv图像库编程联系

【OpenCV】【XTerminal】talk程序运用和linux进程之间通信程序编写，opencv图像库编程联系

目录 一、talk程序的运用&Linux进程间通信程序的编写 1.1使用talk程序和其他用户交流 1.2用c语言写一个linux进程之间通信&#xff08;聊天&#xff09;的简单程序 1.服务器端程序socket_server.c编写 2.客户端程序socket_client.c编写 3.程序编译与使用 二、编写一个…
阅读更多...
【软考系统架构设计师】信息系统基础知识点

【软考系统架构设计师】信息系统基础知识点

1、 信息的特点&#xff1a;客观性&#xff08;真伪性&#xff09;、动态性、层次性、传递性、滞后性、扩压性、分享性 2、 信息化&#xff1a;是指从工业社会到信息社会的演进与变革 3、 信息系统是由计算机硬件、网络和通信设备、计算机软件、信息资源、信息用户和规章制度…
阅读更多...
一种基于学习的多尺度方法及其在非弹性碰撞问题中的应用

一种基于学习的多尺度方法及其在非弹性碰撞问题中的应用

A learning-based multiscale method and its application to inelastic impact problems 摘要&#xff1a; 我们在工程应用中观察和利用的材料宏观特性&#xff0c;源于电子、原子、缺陷、域等多尺度物理机制间复杂的相互作用。多尺度建模旨在通过利用固有的层次化结构来理解…
阅读更多...
基于PyQt5的Jupyter Notebook转Python工具

基于PyQt5的Jupyter Notebook转Python工具

一、项目背景与核心价值 在数据科学领域，Jupyter Notebook因其交互特性广受欢迎，但在生产环境中通常需要将其转换为标准Python文件。本文介绍一款基于PyQt5开发的桌面级转换工具，具有以下核心价值： 可视化操作：提供友好的GUI界面，告别命令行操作 批量处理：支持目录递归…
阅读更多...
图论之并查集——含例题

图论之并查集——含例题

目录 介绍 秩是什么 例子——快速入门 例题 使用路径压缩&#xff0c;不使用秩合并 使用路径压缩和秩合并 无向图和有向图 介绍 并查集是一种用于 处理不相交集合的合并与查询问题的数据结构。它主要涉及以下基本概念和操作&#xff1a; 基本概念&#xff1a; 集合&…
阅读更多...
【数学建模】（智能优化算法）天牛须算法(Beetle Antennae Search, BAS)详解与Python实现

【数学建模】（智能优化算法）天牛须算法(Beetle Antennae Search, BAS)详解与Python实现

天牛须算法(Beetle Antennae Search, BAS)详解与Python实现 文章目录 天牛须算法(Beetle Antennae Search, BAS)详解与Python实现1. 引言2. 算法原理2.1 基本思想2.2 数学模型 3. Python实现4.实测效果测试1. Michalewicz函数的最小化测试2. Goldstein-Price函数的约束最小化 5…
阅读更多...
【家政平台开发(42)】筑牢家政平台安全防线：安全测试与漏洞修复指南

【家政平台开发(42)】筑牢家政平台安全防线：安全测试与漏洞修复指南

本【家政平台开发】专栏聚焦家政平台从 0 到 1 的全流程打造。从前期需求分析，剖析家政行业现状、挖掘用户需求与梳理功能要点，到系统设计阶段的架构选型、数据库构建，再到开发阶段各模块逐一实现。涵盖移动与 PC 端设计、接口开发及性能优化，测试阶段多维度保障平台质量，…
阅读更多...
最新文章

Copyright @ 2022~2023