webbrain-one/webbrain

Open-source AI browser agent for Chrome and Firefox (monorepo) 🧠

解決的問題

WebBrain 提供了一種使用 AI 代理與 Web 進行互動的方式，該代理可以讀取、導航並執行網頁上的操作。透過允許使用者自動化瀏覽器工作流、與頁面內容進行對話以及安排週期性的 Web 任務，它消除了手動重複工作的需求。

工作原理

這是一個瀏覽器擴充功能（適用於 Chrome、Firefox 和 Edge），它將 AI 代理整合到側邊欄中。它不依賴於脆弱的 CSS 選擇器，而是使用可訪問性樹來理解頁面元素。使用者可以將它連接到各種 LLM，包括本地伺服器（透過 llama.cpp 或 Ollama）、雲端 API（OpenAI、Anthropic 等）或託管的預設提供商。該代理以三種模式運行：「Ask」用於唯讀查詢，「Act」用於執行點擊和輸入等操作，「Dev」用於技術性頁面診斷。

適用對象

WebBrain 專為想要自動化 Web 工作流的使用者、需要從多個頁面提取資訊的研究人員，以及希望擁有 AI 驅動助手來幫助其導航和操作 Web 應用程式的開發人員而設計。

亮點

  • 靈活的模型支援：相容 100 多家雲端提供商和本地 LLM 伺服器。
  • 自主工具使用：能夠執行多步循環（最多 195 步）以完成複雜任務。
  • 儲存的工作流：能夠將成功的代理執行轉換為可重用且可分享的工作流。
  • 排程任務：支援 /schedule 和 /watch 命令，用於輪詢頁面並在滿足特定條件時採取行動。
  • 智慧上下文管理：具有感知 Token 的自動壓縮功能，可在模型上下文限制內處理長對話。