normal-computing-oss/fuji-web

Fuji-Web — AI 驱动的浏览器自动化扩展程序

简介：Fuji-Web 是一款 Chrome（及兼容）扩展程序，让大型语言模型 (LLM) 成为浏览器内的“副驾驶”。您输入自然语言任务（例如：“book a flight from NYC to Paris for next Friday”），扩展程序会将提示词连同页面截图通过您的 OpenAI 或 Anthropic API 密钥发送给 LLM，接收计划后自动操作页面，并向您展示每个步骤。

运作方式

• UI 位于点击 Fuji 图标开启的侧边面板中。您粘贴 API 密钥；密钥会存储在浏览器本地，绝不会离开您的电脑。
• 当您提交任务时，扩展程序会截取当前页面（文字 + 图像）并转发给选定的 LLM。
• 模型会返回一系列动作（点击、输入、选择、滚动等）。Fuji-Web 通过 Chrome 扩展程序 API 执行这些动作，并在侧边面板更新每个步骤的人类可读说明。
• 所有通讯皆为直接调用 OpenAI/Anthropic 端点，没有后端服务器。

开始使用

1. 安装 – 从 releases 页面下载最新的 fuji-extension.zip，解压缩，并通过 chrome://extensions（启用开发者模式）加载为已解压的扩展程序。
2. 配置 – 打开侧边面板，粘贴您的 OpenAI 或 Anthropic API 密钥。
3. 运行 – 前往任何网站，输入任务，并观察助理执行动作。

从源代码构建

• 需要 Node 20（或较新的版本）与 pnpm。
• 克隆存储库 → pnpm install → pnpm dev 进行热重载，或 pnpm build 生成可加载到 Chrome 的 dist 文件夹。

路线图重点

• 提供公开 API 以整合 Puppeteer、Playwright、Selenium 等自动化工具。
• 更复杂的多标签页工作流程与更丰富的 UI 交互（下拉菜单、全页提取）。
• 保存与共享工作流程，以及社区驱动的知识库以提升模型性能。

重要性 Fuji-Web 展示了一种实用且由用户控制的方式，无需云端托管服务即可将 LLM 用于日常网页任务。通过将 API 密钥保留在浏览器内并公开行动计划，它为用户提供了透明度与隐私，同时展示了如何将 LLM 驱动的代理程序直接嵌入我们现有的工具中。

延伸阅读

• 包含演示视频与基准测试的博客文章：https://www.normalcomputing.com/blog/introducing-fuji-web
• 疑难解答指南、贡献准则以及用于反馈的 Discord 社区。

---

以上所有细节均直接取自存储库的 README。