@DeRonin_: 你明白 Browserbase 刚刚开源了什么吗???一个只需学习一次任何网站,就能以十分之一成本永久完成任务的智能体……
摘要
Browserbase 开源了 Autobrowse,这是一个智能网页浏览工具,通过迭代探索学习网站结构,并将发现的模式保存为可复用的 Markdown 技能文件,大幅减少重复网页自动化任务的时间和成本。
你明白 Browserbase 刚刚开源了什么吗???一个只需学习一次任何网站,就能以十分之一成本永久完成任务的智能体
[ 它对我的实际帮助 ]:
- 为新站点编写爬虫(以前每次都要花半天时间)
- 网站某天突然改版后追逐选择器(因此浪费过数周)
- 挖掘隐藏在网络流量中的未公开 API(之前放弃过太多次)
- 向团队解释智能体是如何完成任务的(以前根本不可能)
Autobrowse 通过 3-5 次迭代自行搞定了所有这些,并将答案保存为一个 Markdown 文件,下一个智能体会在开始执行任务之前读取它
[ 实际工作原理 ]:
> 给智能体一个真实站点上的真实任务
> 它尝试、失败、学习、再次尝试
> 3-5 轮后,它收敛到一个可行的路径
> 将该路径写入 SKILL.md
> 下一个智能体加载这个文件后直接跳到答案
Markdown 文件就是记忆
在此之前,每一个浏览器智能体都患有健忘症
——学会了网站用法,会话一结束就忘干净
你一直重复支付相同的发现税上百次,却没有意识到
[ Karpathy 的自动研究思路,但应用于网页 ]:
同样的想法,不同的实现方式
Karpathy 用于研究和编码循环
Autobrowse 用于开放网络
新意在于:
Karpathy 的循环仅在单次会话内变得更智能
Autobrowse 则将经验保存到文件中,下一个智能体在开始迭代之前就能读取
迭代 = 毕业
智能体不仅自己学会了…还为后来者留下了笔记
[ 数据对比 ]:
Craigslist 爬取:
- 通用智能体循环:$0.22 / 71 秒
- 毕业后的 Autobrowse 技能:$0.12 / 27 秒
表单填写任务:
- 第 1 次运行:$1.40
- 第 4 次运行:$0.24
第一次运行的成本就覆盖了之后所有的开销
[ 最让我震惊的部分 ]:
他们把它指向了一个联邦资助门户
智能体四处探查,发现了一个人类多年未发现的未文档化 JSON 端点
原本 28 页的爬取内容变成了一个 fetch 请求
> 智能体尝试了人类永远不会尝试的方法
> 并发现了人类永远不会看到的东西
100% 开源,免费
我花了一整个上午深入研究它,看到 token 花费的节省时感到非常震撼——爬取 10 个网站我只花了 12 美分,而不是基本的 1.02 美元
P.S. 如果在设置时我的反应显得过于“强行”,抱歉——我只是想用粗体标记出宝藏。你可以跳过这些,这是你的选择。
相似文章
@browserbase: 推出 http://Browse.sh,这是最大的开源技能目录,可可靠地执行互联网上的任何任务。W…
Browserbase 推出了 browse.sh,这是一个开源 CLI 工具,提供预构建的技能目录,帮助 AI 代理自动化各种网站,降低 token 成本。
@NousResearch: Hermes Agent 现在可以通过 @browserbase 的新 http://Browse.sh 中心访问数百种浏览器技能,从而让 AI 代理能够更可靠地执行任意互联网任务。
NousResearch 的 Hermes Agent 通过 Browserbase 的 Browse.sh 中心获得了数百种浏览器技能的访问权限,使 AI 代理能够可靠地自动化网络任务。该开放目录提供了技能和浏览器原语的 CLI 接口。
@vida_agent: 我们开源了 BrowserBC:一个将人类浏览器轨迹转化为可复用智能体技能的系统。只需一次录制…
BrowserBC 是一个开源系统,能够将记录的人类浏览器交互转化为可复用的智能体技能,只需一次录制,即可在 Claude Desktop 和 Claude Code 中使用这些技能。
browser-search —— 三款工具,零成本,让你的AI助手学会搜索和浏览网络
browser-search 是一个开源、自托管的工具集,包含三款工具(SearXNG、Camofox、CloakBrowser),让AI助手无需API密钥或订阅即可搜索和浏览网页,并具备自动导航升级和深度研究能力。
@heyshrutimishra: 运行浏览器代理最昂贵的部分不是任务本身,而是任务之前的一切。导航、查找…
Webcmd 是一个开源工具,它教会浏览器代理一次性学习网站导航并重复使用,从而大幅减少重复任务中的token浪费。它支持99个网站,并可在本地运行。