当前位置：首页 > news >正文

人工智能 - browser-use：重新定义浏览器自动化的 AI 新范式

news 来源：原创 2025/8/21 8:02:40

在浏览器自动化领域，Selenium 和 Playwright 等工具已成为开发者的标配。但随着网页复杂度的提升（如动态渲染、反爬虫机制、验证码等），传统工具逐渐暴露出效率低、扩展性差的缺陷。browser-use 的出现，通过深度融合人工智能技术，为浏览器自动化赋予了感知、决策、自适应 的能力，成为当前 Python 生态中最具创新性的开源项目之一。

GitHub 地址：https://github.com/browser-use/browser-use https://github.com/browser-use/browser-use

为什么需要 AI 增强的浏览器自动化？

传统自动化工具依赖静态规则 （如 CSS 选择器、XPath），但在以下场景中力不从心：

动态界面 ：元素位置或 ID 动态变化，导致定位失败。
反爬虫机制 ：网站通过行为分析（如点击速度、鼠标轨迹）识别自动化脚本。
非结构化数据 ：验证码、图片中的文字、视频内容等难以直接提取。

browser-use 通过 AI 技术解决这些问题 ，让自动化流程更智能、更健壮。

核心功能与技术亮点

1. AI 驱动的元素定位

动态元素识别
集成目标检测模型（如 YOLOv5），通过屏幕截图直接定位按钮、输入框等元素，无需依赖 HTML 结构。

python

from browser_use import AIController

ai = AIController()

ai.click("登录按钮") # 自动识别屏幕中的按钮并点击
OCR 文字识别增强
内置 Tesseract OCR，自动提取图片中的文字（如验证码、图表数据）。

2. 智能反反爬虫策略

行为模拟
使用强化学习生成人类行为模式（如随机延迟、贝塞尔曲线鼠标轨迹），绕过反爬虫检测。
动态代理与指纹伪装
自动切换 IP 代理、User-Agent，甚至模拟浏览器指纹。

3. 自然语言交互（NLP）

语义化操作指令
支持通过自然语言控制浏览器，例如：
python

ai.execute("在搜索框输入 'AI技术趋势'，然后按回车")

4. 自适应异常处理

视觉相似度对比
通过 OpenCV 或深度学习模型，对比页面截图差异，自动检测异常（如登录失败、页面崩溃）。
自愈机制
当定位失败时，自动尝试备选方案（如切换定位算法、重新加载页面）。

典型应用场景

场景 1：电商数据采集

挑战：商品页面动态加载，价格信息以图片形式呈现。
解决方案 ：
python

# 识别图片价格

price = ai.extract_text_from_image("price_area.png")

# 自动加入购物车

ai.click("加入购物车按钮", confidence=0.9) # confidence 参数控制识别阈值

场景 2：自动化测试

挑战：测试用例需覆盖复杂用户交互（如拖拽、长按）。
解决方案 ：
python

ai.drag_and_drop("元素A", "目标区域") # 支持手势操作

场景 3：智能客服系统

挑战：网页聊天窗口需实时响应用户提问。
解决方案 ：
结合 NLP 模型分析用户问题，自动填写表单或触发操作。

快速上手示例

python

from browser_use import AIController

# 初始化 AI 控制器

ai = AIController(

browser="chrome",

headless=False,

ai_model="yolov5s" # 指定目标检测模型

)

# 打开网页并执行操作

ai.goto("https://example.com")

ai.type("username_field", "user123")

ai.type("password_field", "pass123")

ai.click("登录按钮")

# 提取数据

title = ai.get_text("页面标题")

print(f"页面标题：{title}")

# 关闭浏览器

ai.close()

为什么选择 browser-use？

元素定位	依赖静态选择器	AI 视觉识别 + NLP 语义解析
反爬虫能力	需手动编写策略	自适应行为模拟 + 指纹伪装
非结构化数据处理	需集成额外工具	内置 OCR 与视觉分析
学习成本	需熟悉 HTML/CSS/JS	自然语言指令，零门槛

未来展望

browser-use 计划在后续版本中集成更多 AI 能力：

端到端强化学习 ：通过试错自动优化操作流程。
多模态交互 ：支持语音指令、手势控制。
低代码平台 ：提供可视化界面，无需编写代码即可设计自动化流程。

立即体验

bash

pip install browser-use

通过 browser-use，浏览器自动化从“机械重复”升级为“智能决策”，无论是数据采集、测试运维，还是创新应用开发，都能显著提升效率与灵活性。欢迎参与社区贡献，共同定义下一代自动化工具！

开源地址： https://github.com/browser-use/browser-use

https://github.com/browser-use/web-uihttps://github.com/browser-use/web-ui

人工智能 - browser-use：重新定义浏览器自动化的 AI 新范式

在浏览器自动化领域，Selenium 和 Playwright 等工具已成为开发者的标配。但随着网页复杂度的提升（如动态渲染、反爬虫机制、验证码等），传统工具逐渐暴露出效率低、扩展性差的缺陷。browser-use 的出现，通过深度融合人…...

编程日记 2025/8/21 8:02:40

Langchain-简单Demo

支持的模型官方示例： #OpenAI pip install -qU langchain-openai import getpass import os os.environ["OPENAI_API_KEY"] getpass.getpass() from langchain_openai import ChatOpenAI model ChatOpenAI(model"gpt-4") #Anthropic pip ins…...

编程日记 2025/8/19 14:31:07

怎样才能设计好的自动化测试用例

设计一个好的自动化测试用例，就像写一段“自解释的、高质量的代码”——它应该清晰、可靠、独立、易维护，而且对测试目标有价值。 ✅ 好的自动化测试用例应具备的 8 大特性： 特性解释示例🎯 目标明确一个用例只验证一个点&#…...

编程日记 2025/8/19 5:29:16

NFC 碰一碰发视频源码搭建全流程详解，支持OEM

在移动互联网时代，便捷的数据传输方式备受关注。NFC（近场通信）技术以其操作简单、连接迅速的特点，为数据交互提供了新的可能。通过搭建 NFC 碰一碰发视频功能，用户只需将设备轻轻靠近，就能快速完成视频传输…...

编程日记 2025/8/17 19:58:49

vue入门：路由 router

文章目录介绍安装配置路由模式嵌套路由路由传参编程式导航路由懒加载底层原理介绍 vue2 vue router API vue3 vue router API Vue Router 是 Vue.js 的官方路由管理器，它允许你通过不同的 URL 显示不同的组件，从而实现单页面应用（SPA&a…...

编程日记 2025/8/17 18:27:07

运营商二要素认证 API 接口具有哪些的好处？

目录一、提高认证准确性 1.数据真实性可靠 2.实时验证效率高 3.双重验证更精准 4.多场景适用性强 5.动态更新数据准二、增强安全性 1.防止身份冒用 2.抵御欺诈行为 3.保障数据安全 4.强化业务安全 5.支持安全审计与追溯三、提升用户体验 1.操作简便快捷 2.认…...

编程日记 2025/8/20 18:39:47

从GPT到Gemini 大模型进化史

从GPT到Gemini：大模型进化史在过去的几年里，人工智能领域经历了翻天覆地的变化，其中最引人注目的莫过于大规模语言模型的发展。从最初的GPT系列到最近的Gemini，这些模型不仅在技术上取得了重大突破，还在实际应用中展…...

编程日记 2025/8/17 20:19:00

大模型时代下全场景数据消费平台的智能BI—Quick BI深度解析

一、前言在数字化转型浪潮中，BI工具已成为企业数据驱动决策的核心引擎。Quick BI作为阿里云旗下的全场景数据消费平台，以其"让业务决策触手可及"的理念在市场中占据一席之地。通过Quick BI可以让企业的数据资产快速的流动起来，通…...

编程日记 2025/8/21 18:39:09

高防ip的原理

高防IP（高防御IP地址）是一种专门用于抵御大规模网络攻击的防护服务，其核心原理是通过流量清洗、协议分析与智能调度等技术，将恶意流量与正常业务流量分离，保障目标服务器或应用的可用性。以下是其核心技术原理…...

编程日记 2025/8/20 14:52:33

微服务4--服务网关

网关在微服务架构中，一个系统会被拆分为很多个微服务，那么作为客户端要如何去调用这么多的微服务呢？如果没有网关的存在，我们只能在客户端记录每个微服务的地址，然后分别去调用。这样的架构，会存在着诸…...

编程日记 2025/8/19 18:05:52

容器docker入门学习

这里写目录标题容器容器的软件厂商 dockerdocker引擎虚拟化虚拟化技术 docker安装详解1、安装检查2、安装yum相关的工具3、安装docker-ce软件4、查看docker版本5、启动docker服务6、设置docker开机启动7、查看有哪些docker容器运行进程8、查看容器里有哪些镜像9、下载nginx软…...

编程日记 2025/8/19 4:24:05

Flink调优面试题及参考答案20道

1. 如何优化Flink的Checkpoint机制？答案：增大Checkpoint间隔：减少对作业吞吐量的影响（如从1分钟调整为5分钟）。使用增量Checkpoint（RocksDB状态后端）：仅上传变化的文件，降低IO压力。调整超时时间：checkpointTimeout避免因短暂反压导致失败。对齐优化：使用非对…...

编程日记 2025/8/17 21:39:42

【音视频】MP4解封装

一、概述实现了读取mp4文件，提取出h264和aac文件，可以直接播放二、实现过程准备文件在build路径下添加mp4文件同时，添加main函数参数，表示输入文件和输出文件打开文件打开输入文件，初始化格式上下文 char…...

编程日记 2025/8/17 21:03:46

全球6G大会 | 紫光展锐用“芯”推动空天地一体创新纪元

近日，全球6G技术与产业生态大会（简称“全球6G技术大会”）在南京召开。紫光展锐应邀出席“空天地一体化与数字低空”平行论坛，并从6G通信、感知、定位等多方面分享了紫光展锐在6G前沿科技领域的创新理念及在空天地一体化技术方面的…...

编程日记 2025/8/17 21:32:14

C++学习：六个月从基础到就业——面向对象编程：虚函数与抽象类

C学习：六个月从基础到就业——面向对象编程：虚函数与抽象类本文是我C学习之旅系列的第十四篇技术文章，主要探讨C中的虚函数与抽象类，这是实现多态性的核心机制。查看完整系列目录了解更多内容。引言多态性是面向对象编程的三大…...

编程日记 2025/8/19 20:50:19

git分支操作

一、git branch：分支管理 1. 查看分支 git branch # 查看本地分支（* 表示当前分支） git branch -a # 查看所有分支（本地远程） git branch -vv # 查看分支跟踪关系 2. 创建/删除分支…...

编程日记 2025/8/17 5:59:37

IDEA 中 Scala 项目远程连接虚拟机 Spark 环境

IDEA 中 Scala 项目远程连接虚拟机 Spark 环境 1. 环境准备确保虚拟机 Spark 环境正常运行虚拟机中已安装并启动 Spark记录虚拟机的 IP 地址和 Spark 端口（默认 7077）确保虚拟机防火墙允许相关端口访问本地 IDEA 环境配置安装 Scala 插件安装 Spar…...

编程日记 2025/8/17 20:09:50

2. 判断列表元素的单一性

【问题描述】编写程序，判断一个列表中的各个元素如果相同(例如[2,2,2,2,2]),则输出True，不相同(例如[1,2,3,2,3])则输出False。【输入形式】ainput() 【输出形式】用print()函数【样例输入】 [2,2,2,2,2] 【样例输出】 True 【样例输入】 [1,2,…...

编程日记 2025/8/17 20:41:43

King3399（ubuntu文件系统）GDB/GDBServer调试配置

0 引言最近在用king3399进行驱动开发，即使是一些简单的外设也不免反复修改与烧录，若仅仅通过printk这种方法对程序进行打印调试，其过程也是相当复杂，因此想通过GDB/GDBServer的方式进行调试，本文主要是记录配置过程的…...

编程日记 2025/8/19 11:31:14

机器学习简介

目录机器学习简介机器学习的大致分类监督学习 (Supervised learning)RegressionClassification / Predict categories 无监督学习 (Unsupervised learning)Clustering algorithmAnomaly DetectionDimensionality Reduction对比总结强化学习 (Reinforcement learning)强化学习…...

编程日记 2025/8/18 18:37:36

k8s调度器：如何控制Pod的分布

引言：从“随机分配”到“智能调度” 想象你的Kubernetes集群是一个繁忙的物流中心，节点（Node）是仓库，Pod是货物。默认调度器就像一名普通分拣员，简单地将货物塞进最近的仓库，可能导致某些仓…...

编程日记 2025/8/17 18:27:54

机器学习在催化剂设计中的应用理论加实操

背景介绍数据智能驱动，催化理性设计新纪元催化材料设计是能源转化、化工合成及环境治理等领域的核心挑战。传统催化研究主要依赖密度泛函理论(DFT)计算与实验试错法，通过量子力学模拟揭示活性位点电子结构，结合高通量实验筛选候选…...

编程日记 2025/8/21 4:34:37

Spring Cloud Alibaba微服务-微服务介绍和搭建

1. 课程介绍单体服务中有订单，用户，库存， 两个缺陷： a. 是以应用的维度进行负载均衡，资源占用大 b. 当其中一个模块宕机，整个应用就不能用了； nacos；ribbon，loadBa…...

编程日记 2025/8/20 13:51:09

量子通信应用：量子安全物联网（三）协议融合

第一部分：引言与概述 1.1 量子安全物联网的背景与必要性随着物联网（IoT）设备的爆炸式增长（预计2030年全球连接设备超750亿台），传统安全机制（如RSA、ECC加密）正面临量子计算的颠覆性威胁。量子计算机的Shor算法可在多项式时间内破解非对称加密体系，而Grover算法则对…...

编程日记 2025/8/17 5:59:44

JUC学习（1）线程和进程

2.线程和进程线程，进程进程：一个程序。一个进程往往可以包含多个线程，至少包含一个！ Java默认有2个线程 mainGC 对于Java而言，三种开启线程的方式 ThreadRunnableCallable Java真的可以开启线程吗不可以&am…...

编程日记 2025/8/17 19:07:43

Java基础系列-LinkedList源码解析

文章目录简介LinkedList 插入和删除元素的时间复杂度？LinkedList 为什么不能实现 RandomAccess 接口？ LinkedList 源码分析Node 定义初始化获取元素插入元素删除元素遍历链表简介 LinkedList 是一个基于双向链表实现的集合类，经常被拿来和…...

编程日记 2025/8/21 2:34:23

pycharm无法识别到本地python的conda环境解决方法

问题一现象描述： 本地已经安装了conda，但在pycharm中选择conda环境却识别不到， 解决方法：手动输入conda path，点击R eload environments基本就能修复，比如我的路径如下 /Users/test/conda/miniconda3/b…...

编程日记 2025/8/20 11:25:49

【机器人创新创业应需明确产品定位与方向指南】

机器人领域的创新创业, 需要对公司和产品的定位和生态进行深入思考, 明确其定位与发展目标, 明确产品在是为G、为B还是为C进行服务。本文引用地址：https://www.eepw.com.cn/article/202504/469401.htm 超前的、探索性的创新技术一般是面向G端, 而不是面向B端或者C…...

编程日记 2025/8/19 4:05:53

《似锦》：画饼之—你画给我我画给你

甄珩，看似刚正不阿，正得发邪，一板一眼的严肃角色可是每次余七和甄珩在一起，就是一部行走的喜剧，众网友称他们为“甄儿八锦” 《似锦》剧集精彩片段：甄珩余七爆笑修罗场（四） 谁懂这…...

编程日记 2025/8/21 12:01:03

鸿蒙系统开发中路由使用详解

鸿蒙系统提供了两种主要的路由机制：传统的Router模块和组件化的Navigation容器。下面我将详细介绍这两种路由方式的使用方法、区别以及实际应用示例。一、Router模块基础使用 Router是鸿蒙早期提供的页面路由模块，通过URL实现页面跳转和数据传递。 1…...

编程日记 2025/8/19 7:07:03

拖拉拽效果加点击事件

<!DOCTYPE html> <html lang"zh-CN"> <head><meta charset"UTF-8"><title>自由拖拽点击元素</title><style>body {margin: 0;height: 100vh;display: flex;justify-content: center;align-items: center;backgr…...

编程日记 2025/8/19 22:39:37

Ubuntu利用docker搭建Java相关环境记录（二）

Ubuntu利用docker搭建Java相关环境记录（二） 接上篇：Ubuntu利用docker搭建Java相关环境记录（一） 启动Docker 1. 查看Docker容器已启动的容器 docker ps所有容器 docker ps -a本人很懒并不想一直敲命令操作&#…...

编程日记 2025/8/21 15:54:42

2025华中杯B题——AI实现

以下内容全文由以下网站AI实现，内容和代码仅供参考如需实现自己的需求和目标，请使用网站自行调试。参考写作 1. 共享单车数量与分布估算问题分析本题要求根据校园共享单车在各停车点的不同时段统计数据，估算校园内共享单车总量&#…...

编程日记 2025/8/21 7:05:43

【软考-系统架构设计师】OSI体系解析

一、OSI体系的核心定义 OSI（Open System Interconnection）模型是国际标准化组织（ISO）于1984年提出的网络通信分层框架，旨在解决异构网络系统间的兼容性问题。它将复杂的网络通信过程划分为七层，每层独立完…...

编程日记 2025/8/20 21:54:47

用手机也能打《无畏契约》？登录ToDesk即可开玩

《无畏契约》火到出圈！但手机玩家只能干瞪眼？ 作为拳头游戏继《英雄联盟》后的又一爆款，《无畏契约》凭借快节奏的战术对抗和全球化的地图设计（比如东京“霓虹町”、百慕大“微风岛屿”），迅速成为电竞圈的顶…...

编程日记 2025/8/17 18:29:52

jmeter提取返回值到文件

前言如何将请求的返回值，保存到本地文件，有具体以下3种方式。保存到响应文件BeanShell 取样器BeanShell 后置处理程序一、监听器–保存响应到文件 1、提取全部返回值，（.json）格式 2、保存到响应文件添加----…...

编程日记 2025/8/21 1:54:12

iPaaS集成平台在电商行业的五大核心应用场景

在电商行业“多平台运营、多系统并行”的竞争格局下，订单激增、数据割裂、跨系统协作低效等问题成为企业增长的隐形阻碍。谷云科技作为国内领先的iPaaS（集成平台即服务）技术厂商，通过低代码、高扩展的集成能力，帮助电商…...

编程日记 2025/8/19 10:18:58

猪行为视频数据集

猪行为数据集包含 23 天（超过 6 周）的日间猪行为视频，这些视频由近乎架空的摄像机拍摄。视频已配准颜色和深度信息。数据以每秒 6 帧的速度捕获，并以 1800 帧（5 分钟）为一批次进行存储。大多数帧显示 8 头猪。这里可以看到颜色和深度图像的示例：喂食器位于图片底部中…...

编程日记 2025/8/17 21:14:53

在conda环境下使用pip安装库无法import

安装seleniumwire包，conda环境没有，pip之后安装不到当前conda环境网上的方法都试过了，包括强制安装等 python -m pip install --upgrade --force-reinstall selenium-wire 最后定位应该是没有安装到当前conda的环境下，使用list…...

编程日记 2025/8/21 5:08:07

[net 6] udp_chat_server基于udp的简单聊天室(多线程的服务器与业务相分离)

目录 1. 网络聊天室的意义 2. 网络聊天室了解 2.1. 网络聊天室模块分析 2.2. 目标 3. 基本框架 3.1. 文件基本框架 3.2. 设计回调函数解耦 4. Route.hpp 模块(消息转发) 4.1. 头文件包含 4.2. 基本类框架 4.3. Route::Forward() 转发 4.3.1. 函数头设计 4.3.2. 维护…...

编程日记 2025/8/19 12:30:46

驱动-自旋锁

前面原子操作进行了讲解， 并使用原子整形操作对并发与竞争实验进行了改进，但是原子操作只能对整形变量或者位进行保护， 而对于结构体或者其他类型的共享资源， 原子操作就力不从心了， 这时候就轮到自旋锁的出场了。两个…...

编程日记 2025/8/17 18:22:22

TDengine 存储引擎剖析：数据文件与索引设计（二）

TDengine 索引设计索引设计关键特性 TDengine 的索引设计采用了多种技术和策略，以满足时序数据高效存储和快速查询的需求，具有以下关键特性： 多级时间戳压缩索引：TDengine 使用了时间戳压缩索引技术，能够有效减少索…...

编程日记 2025/8/19 23:51:28

基于Python的医疗质量管理指标智能提取系统【2025代码版】

系统概述本系统旨在帮助医疗质量管理部从医院信息系统(HIS)中智能提取《2025年国家医疗质量安全改进目标》中的关键指标数据。系统采用Python编程语言，结合现代数据处理库，实现高效、准确的数据提取与分析功能。 import json import logging import logging.handlers impo…...

编程日记 2025/8/17 20:50:59

中介者模式（Mediator Pattern）

中介者模式（Mediator Pattern）是一种行为型设计模式。它通过引入一个中介者对象，来封装一系列对象之间的交互，使这些对象之间不再直接相互引用和通信，而是通过中介者进行间接通信，从而降低对象之间的耦合度，提高系统的可维护性和可扩展性。一、基础 1. 意图核心目的…...

编程日记 2025/8/19 2:46:45

Hbuilder 上的水印相机实现方案 (vue3 + vite + hbuilder)

效果思路通过 live-pusher 这个视频推流的组件来获取摄像头拿到视频的一帧图片之后，跳转到正常的 vue 页面，通过 canvas 来处理图片水印源码 live-pusher 这个组件必须是 nvue 的至于什么是 nvue，看这个官方文档吧 https://uniapp.dcl…...

编程日记 2025/8/21 8:28:57

聊聊Spring AI Alibaba的PdfTablesParser

序本文主要研究一下Spring AI Alibaba的PdfTablesParser PdfTablesParser community/document-parsers/spring-ai-alibaba-starter-document-parser-pdf-tables/src/main/java/com/alibaba/cloud/ai/parser/pdf/tables/PdfTablesParser.java public class PdfTablesParser…...

编程日记 2025/8/20 14:39:31

二分查找-LeetCode

题目给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。示例 1: 输入: nums [-1,0,3,5,9,12], target 9 输出: 4 解释: …...

编程日记 2025/8/19 13:22:34

StarRocks Community Monthly Newsletter (Mar)

版本动态 3.4.1 版本更新核心功能升级数据安全与权限管控支持「安全视图」功能，严格管控视图查询权限 MySQL协议连接支持SSL认证，保障数据传输安全存算分离架构增强支持自动创建Snapshot（集群恢复更便捷） Storage Volu…...

编程日记 2025/8/20 20:25:06

STM32+dht11+rc522+jq8400的简单使用

1.dht11的使用硬件：3v3，gnd，data数据线接一个gpio，三根线即可软件： ①dht11.c #include "dht11.h" #include "delay.h" #include "stdbool.h"static STRUCT_DHT11_TYPEDEF dht11;…...

编程日记 2025/8/17 18:22:16

mpstat指令介绍

文章目录 1. 功能介绍2. 语法介绍3. 应用场景4. 实际举例 1. 功能介绍 mpstat 英文全称( Multi-Processor Statistics)，多处理器统计信息的含义。下面大致说一下功能作用： 多核性能监控可实时监控每个 CPU 核心的利用率、中断频率、上下文切换等指标&…...

编程日记 2025/8/20 2:06:46