不知道你们还有没有印象，当时OpenAI GPTs的发布会，可以说是轰动整个AI行业，忘了也没关系，帮你们回顾下。
当时演示了几个功能，有去网站上看机票的，有。。。
结果，GPTs很快就退出历史舞台了，没搞起来。
今天给大家推荐的browser-use，其实就跟当时发布会演示的那几个功能有点像，但是它落地了，更强了，而且还开源了。
browser-use的主要功能就是通过大模型来访问并操作浏览器，执行我们给出的命令。
扫码加入AI交流群
获得更多技术支持和交流
（请注明自己的职业）
项目简介
Browser Use可以让AI代理能够访问和操作网络浏览器，提高与网络内容的交互能力。这个开源项目通过简化AI代理与浏览器的连接过程，支持多标签管理，自动抓取和自定义动作，以适应各种网络自动化任务。支持的功能包括视觉和HTML内容提取，自动纠错，以及通过LangChain支持多种语言模型。开发者还可以通过Python定义AI代理的行为，使其能够执行复杂的网络任务。
DEMO
1.提示词：读取我的简历并找到机器学习工作，将它们保存到文件中，然后开始在新标签页中申请这些工作，如果需要帮助，就问我。
2.提示词：在kayak.com上查找2024年12月25日至2025年2月2日从苏黎世到北京的航班。
3.解决验证码
4.提示词：在Hugging Face上查找具有cc-by-sa-4.0许可的模型，并按最多点赞排序，将前五名保存到文件中。
功能特点
1.视觉+HTML提取：结合视觉理解和HTML结构提取，实现全面的网页交互。
2.多标签管理：自动处理多个浏览器标签，适用于复杂工作流程和并行处理。
3.元素跟踪：提取被点击元素的XPath，并重复精确的LLM动作，以实现一致的自动化。
4.自定义操作：添加自己的操作，如保存文件、数据库操作、通知或处理人工输入。
5.自我修正：智能错误处理和自动恢复，保证自动化工作流的稳健性。
6.任何LLM支持：兼容所有LangChain LLM，包括GPT-4、Claude 3和Llama 2。
项目链接
https://github.com/gregpr07/browser-use
关注「开源AI项目落地」公众号
与AI时代更靠近一点
关注「AGI光年」公众号
获取每日最新资讯
关注「向量光年」公众号
加速全行业向AI转变
