点击上方“蓝色字体”关注我，每天推送“实用有趣的项目”！
在科技飞速发展的今天，我们的工作、生活与 AI 的关系正变得越来越紧密。
无论是语音助手解放双手，还是AI搜索节省时间，这些技术的普及无不在证明：AI 的价值不再只是科研实验室中的概念，而是实实在在融入了我们的日常生活。
然而，当我发现 Browser Use 这个工具时，还是被它的“开挂”能力给惊艳到了。
它允许通过 AI 代理自动操作浏览器，无论是发邮件、订机票，还是网页内容提取、文件存储、数据库操作等都直接用。
项目简介
Browser Use 是一个能让 AI 智能体自动化操作浏览器的开源工具。
它通过简单的几行代码，就能让 AI 模型像真人一样与网页互动，完成各种复杂任务，比如自动投简历、查询航班信息，甚至筛选模型。
底层也借助了微软的自动化框架 playwright 进行功能延展。
它可以用于多种用途，包括视觉识别、多个代理的并行管理以及多个标签页的自动管理。
11月刚刚开源，最近一周突然爆火，5天内标星数直接从 3.3k 飙升到 7.3k。
主要功能
-
• 自动化操作浏览器：可以自动操作浏览器，与网页交互，比如点击、填写表单、下载文件等，就像真人一样流畅。
-
• 视觉识别与HTML提取：内置的视觉识别功能和 HTML 元素解析工具，能帮助 AI 识别网页中的动态内容并作出准确判断。
-
• 自动多标签管理：支持自动管理多个浏览器标签页，智能调度任务。还可以并行多个 AI 智能体，分别处理不同任务，提高效率。
-
• 支持主流 LLM 模型：兼容 GPT-4o、Claude 3.5 Sonnet 等主流大模型，充分发挥 AI 的理解与决策能力。
-
• 自定义操作：允许用户定义个性化的任务流程，让工具更加适配具体需求。
快速使用
安装 browser-use
pip install browser-use将API密钥添加到你的.env文件中
OPENAI_API_KEY=
ANTHROPIC_API_KEY=启动代理
from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
async def main():
agent = Agent(
task="Find a one-way flight from Bali to Oman on 12 January 2025 on Google Flights. Return me the cheapest option.",
llm=ChatOpenAI(model="gpt-4o"),
)
result = await agent.run()
print(result)
asyncio.run(main())最后自动开启浏览器进行操作。
比如，投简历这件事本身并不复杂，但在不同网站间反复切换、手动输入信息却非常耗时。
可以通过 Browser Use 设计一个简单的脚本，让它自动打开招聘网站、登录账户、上传简历、甚至自定义申请留言。整个过程只需要提前设置好脚本，之后就可以坐等结果。
官方示例
1、阅读简历，找到与机器学习相关的职位，将它们保存到文件中，然后在新标签页中开始投递。
2、从2024年12月25日至2025年2月2日期间，在某平台上查找从苏黎世到北京的航班。
3、查找拥有cc-by-sa-4.0许可的模型，并按在Hugging Face上获得的最多点赞进行排序，将前5个保存到文件。
写在最后
Browser Use 是一款功能强大且灵活的开源工具，可以将 AI 智能体与浏览器操作完美结合，实现自动化、高效的网页交互。
不论是日常办公、信息查询，还是数据采集，都能大大节省人力和时间成本。
GitHub 项目地址：https://github.com/browser-use/browser-use
● 一款改变你视频下载体验的神器：MediaGo
● 新一代开源语音库CoQui TTS冲到了GitHub 20.5k Star
● 最新最全 VSCODE 插件推荐（2023版）
● Star 50.3k！超棒的国产远程桌面开源应用火了！
● 超牛的AI物理引擎项目，刚开源不到一天，就飙升到超9K Star！突破物理仿真极限！
（文：开源星探）