您现在的位置是：网站首页> AI人工智能
AI智体Agent创建经验收集
- AI人工智能
- 2025-06-20
- 901人已阅读
AI智体Agent创建经验收集
掌握 browser-use：基于 DeepSeek 的浏览器自动化实战
创建的编程智体
# 角色
你是一位经验丰富的资深程序员，熟练掌握多种开发语言和框架，如 Go、C#、VC、Python、Java、Flutter 等。
## 技能
- 能够使用各种编程语言进行开发工作，包括但不限于 Go、C#、VC、Python、Java、Flutter 等。
- 具备丰富的软件开发经验，能够独立完成项目的开发和维护工作。
- 能够根据项目需求选择合适的技术栈和开发框架，提高开发效率和代码质量。
- 能够进行代码优化和性能调优，提高软件的运行效率和稳定性。
- 能够进行技术选型和架构设计，保证项目的可扩展性和可维护性。
- 能够进行团队协作和沟通，提高项目的开发效率和质量。
## 限制
- 只讨论与开发相关的内容，拒绝回答与开发无关的话题。
- 所输出的内容必须按照给定的格式进行组织，不能偏离框架要求。
创建的教师智体
# 角色
你是一个专业且经验丰富的教学机器人，能够熟练解答高中阶段各科目的问题，以通俗易懂的方式为学生阐释知识要点，给予学生高效的学习指导与切实的帮助。
## 技能
### 技能 1: 解答高中科目问题
1. 当学生提出高中某科目问题时，准确且详细地进行解答。
2. 对于复杂问题，分步骤进行讲解。回复示例：
=====
- **科目**：<具体科目>
- **问题**：<学生提出的问题>
- **解答**：<详细的解答过程>
=====
### 技能 2: 提供学习指导
1. 根据学生的具体情况，为其提供个性化的学习方法与策略。
2. 结合学科特点，给予针对性的学习建议。回复示例：
=====
- **科目**：<具体科目>
- **针对学生**：<学生的具体情况描述>
- **学习指导**：<具体的指导内容>
=====
## 限制:
- 只专注于高中阶段各科目的教学相关内容，拒绝回答与高中学习无关的话题。
- 所输出的内容必须按照给定的格式进行组织，不能偏离框架要求。
- 解答过程需详细准确。
掌握 browser-use：基于 DeepSeek 的浏览器自动化实战
一、项目定位与技术价值
1.1 智能体开发新范式
Browser-Use 作为开源 AI 自动化工具，通过集成 DeepSeek 等大模型与 Playwright 浏览器引擎，实现自然语言驱动的浏览器操作。其技术价值体现在：
低代码开发：仅需自然语言指令即可生成自动化脚本
多模态交互：融合 DOM 解析（精度99%）+视觉识别
企业级扩展：支持私有化部署与多智能体协同
1.2 与 DeepSeek 的深度整合
Browser-Use 对 DeepSeek 的适配优势：
模型微调支持：可针对电商、金融等场景优化提示词
API 调用优化：支持流式响应与长文本处理
成本控制：DeepSeek 推理成本仅为 GPT-4 的 1/5
二、核心架构解析
2.1 模块化设计
模块 核心功能 DeepSeek 整合点
Agent 任务规划与状态管理 调用 deepseek-chat 生成操作链
Controller 动作注册与执行 解析模型输出的 JSON 指令
Browser 浏览器实例控制 结合视觉模型处理验证码
DOM 元素定位与信息提取 生成 XPath 供模型决策
2.2 执行流程时序
1. 初始化阶段：
加载 DeepSeek API 密钥
启动带 Cookie 的 Chrome 实例
2. 决策阶段：
# 模型输出示例
{
"action": "click_element",
"params": {"xpath": "//button[@id='submit-order']"}
}
3. 执行阶段：
Playwright 执行点击/输入等操作
失败时自动重试（最大重试次数3次）
三、环境配置指南
3.1 基础安装
# 创建 Python 3.11 虚拟环境
conda create -n browser_use python=3.11
conda activate browser_use
# 安装核心依赖
pip install browser-use playwright -i https://pypi.tuna.tsinghua.edu.cn/simple
playwright install chromium # 安装 Chromium 浏览器
3.2 DeepSeek 配置
1. 获取 API Key：
登录 DeepSeek 控制台
2. 配置环境变量：
echo "DEEPSEEK_API_KEY=sk-your-key-here" >> .env
四、实战案例：电商自动下单
4.1 场景设计
完成淘宝购物全流程：
登录账号（使用本地保存的 Cookie）
搜索「机械键盘」并筛选「销量排序」
选择第一个商品加入购物车
提交订单并填写收货地址
4.2 代码实现
from langchain_openai import ChatOpenAI
from browser_use import Agent, BrowserConfig, Browser
import asyncio
import os
# 配置本地 Chrome 路径（需提前登录淘宝）
config = BrowserConfig(
chrome_instance_path="C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe",
headless=False # 显示浏览器界面（网页10）
)
async def taobao_order():
browser = Browser(config=config)
llm = ChatOpenAI(
base_url="https://api.deepseek.com/v1",
model="deepseek-chat",
api_key=os.getenv("DEEPSEEK_API_KEY")
)
agent = Agent(
browser=browser,
task='''
1. 打开 taobao.com 并等待登录完成
2. 搜索"机械键盘"，按销量排序
3. 选择第一个商品进入详情页
4. 点击"加入购物车"
5. 进入购物车提交订单
6. 选择默认地址并支付
''',
llm=llm,
max_steps=20 # 最大执行步骤（网页6）
)
await agent.run()
await browser.close()
asyncio.run(taobao_order())
4.3 关键技术点
登录态保持：利用已登录的 Chrome 实例绕过验证
元素定位策略：
# DeepSeek 生成的 XPath
"//div[contains(text(),'销量')]/ancestor::button"
异常处理：
商品缺货时自动选择下一商品
支付失败时截图保存
五、进阶应用：数据采集与RAG
5.1 竞品价格监控系统
task = '''
1. 打开 jd.com 搜索"无线鼠标"
2. 采集前10个商品的：
- 名称
- 价格
- 评论数
3. 保存为 CSV 文件
'''
# 输出数据结构化
class Product(BaseModel):
name: str
price: float
reviews: int
controller = Controller(output_model=List[Product])
5.2 技术增强点
动态页面处理：
await page.wait_for_selector("//div[@class='price']", timeout=5000)
反爬对抗：
随机滑动速度模拟
IP 轮换机制（需配合代理池）
六、常见问题排查
问题现象 解决方案
DeepSeek 返回内容为空 检查 .env 文件密钥格式
浏览器无法启动 确认 Chrome 路径与版本匹配
元素定位失败 启用 use_vision=True 增强识别
执行速度过慢 设置 headless=True 启用无头模式
下一个AI风口：这四款 Agent 已开源
1. AgenticSeek - 完全本地的AI任务执行中枢
GitHub: Fosowl/agenticSeek
隐私优先：所有数据处理均在本地完成，彻底规避云端AI的隐私风险，适合医疗、金融等敏感场景。
多模态执行：支持代码生成（Python/Go）、网页自主搜索、复杂任务拆解（如"规划三日旅游行程并预订酒店"）。
Manus AI替代方案：提供类似云端AI助手的体验，但完全离线运行。
技术亮点：▸ 内置RAG引擎，本地知识库实时更新▸ 任务分解树可视化，调试复杂逻辑更直观
2. PySpur - 拖拽式AI工作流工厂
GitHub: PySpur-Dev/pyspur
LEGO式搭建：通过拖拽100+预制模块（LLM调用/向量检索/多模态处理），15分钟构建定制化AI流水线。
全栈支持：无缝对接HuggingFace/OpenAI等模型，兼容Pinecone/Milvus等主流向量数据库。
实时热调试：工作流运行时修改节点参数，结果即时刷新，加速实验迭代。
3. AgentGPT - 云端AI代理调度器
GitHub: reworkd/AgentGPT
任务自动化引擎：输入"开发一个贪吃蛇游戏"，自动分解为代码编写→测试→优化子任务。
互联网级操作：直接调用搜索引擎/API获取实时数据（如股价查询、竞品分析）。
人类监督模式：关键节点暂停等待确认，平衡自动化与可控性。
4. Activepieces - 企业级自动化乐高
GitHub: activepieces/activepieces
300+即插即用组件：从Slack消息推送到Stripe支付处理，开箱即用。
混合部署：支持SaaS模式或Docker全本地化部署，满足不同合规要求。
AI增强：内置LLM模块，可组合传统自动化与AI能力（如邮件自动分类+智能回复）
关于AI工具
Github开源文本转语音神器Spark-TTS开源了，克隆声音仅需3秒？
github开源B站UP主都在用的下载神器！Cobalt让你轻松搬运高清素材！
Github 开源无代码的 Web 数据提取平台，2分钟内训练机器人自动抓取网页数据
上一篇：AI人工智能应用编程
下一篇：AI大模型、数据集相关应用技术