Browser-use快速了解

1. Browser-use是什么

Browser-use是一个强大的工具，它使AI代理能够控制和操作浏览器，轻松实现线上任务自动化，使网站对AI代理更加易于访问和使用。

Browser-use是基于Playwright开发的开源python库，它简化了AI代理和浏览器的交互流程。这个两个人开发的8000行开源项目，在github上的star数已经超过60,000，发布后短短几个月就拿下1,7000万美元融资。

2. 通过应用场景认识Browser-use

官网的awesome-prompts, 大致体现了browser-use的应用场景

2.1 做Web Research

比如对几个竞品进行比较，对某个话题做学术研究，收集某个话题的新闻并进行总结。

上述任务都可以形成报告

2.2 事实核查

验证某一个主张（如陈述、观点、数据等）是否真实准确，通过多源权威信息交叉比对，得出可靠结论。

2.3 电商

比如进行商品比价，自动添加商品到购物车，查找某个产品的最优折扣信息，进行产品深度调研以辅助购买决策。

2.4 内容生产

比如对某个话题进行研究并撰写出相关文档。

比如撰写品牌、产品关于产品动态、促销活动等的newsletter，协助进行维护品牌形象专业性和一致性，增强用户黏性。

比如为品牌创建不同社交平台的内容日历，系统化管理多平台内容输出，确保品牌信息一致性，同时借势趋势和节日提升用户参与度，实现社交媒体营销目标。

比如为某个话题创建一个Presentation。

3. 如何使用Browser-use

官网给了API和web-ui两种使用方式。

对于个人用户来说，可以通过Manus这种使用Browser-use能力的在线Agent来使用。

使用前强烈建议先阅读awesome-prompts

4.Browser-use的局限性和使用问题

browser-use通常适用于对即时性要求不是特别高的任务（目前的大模型亦如此）。

browser-use针对的是浏览器场景，这点国外的生态好一点，国外很重视web站，相比之下，国内很多服务都只能要App。

browser-use在一些"防机器人"策略上还是不能百分百搞定。

5. Browser-use的未来发展

官网Roadmap

• Agent 优化
  • 提升智能体内存处理能力，以应对 100 步以上的复杂任务。
  • 增强规划能力，能够加载特定网站的上下文信息，使任务执行更智能。
  • 减少令牌消耗，通过优化系统提示和 DOM 状态等方式来实现。
• DOM 提取改进
  • 实现对所有可能的 UI 元素的检测，确保不遗漏任何页面元素。
  • 改进 UI 元素的状态表示，让所有大型语言模型（LLMs）都能更好地理解页面内容。
• 工作流完善
  • 允许用户记录工作流，并能以 browser - use 作为后备选项重新运行。
  • 即使页面发生变化，也能保证工作流的重新运行不受影响。
• 用户体验提升
  • 为教程执行、求职申请、质量保证测试、社交媒体等场景创建各种模板，方便用户复制粘贴使用。
  • 完善文档，使用户更易上手和深入了解工具。
  • 提高工具运行速度，提升整体使用体验。
• 并行化处理
  • 利用浏览器智能体的并行处理能力，将相似任务并行化，如同时查找 100 家公司的联系信息，然后将结果报告给主智能体，主智能体处理结果后再启动并行子任务，从而提高工作效率。 

6. 私货

Browser-use本质上很好了结合了浏览器和AI这两个技术。

浏览器提供了HTML结构提取技术(比如页面的Dom树），生态上具备很强的开放性，便于各种插件和工具来控制，比如playwright这种浏览器自动化控制工具。

AI则提供了推理能力，理解用户任务，做好任务拆解规划，同时，融合视觉理解和HTML结构化数据，全面理解网页。

基于browser-use搭建的云端Agent对用户更加友好，比如Manus。

对Agent开发者来说，browser-use提供了很重要的一个能力。