


Cara Membina Ejen AI yang boleh Menggunakan mana-mana Laman Web
Menghubungkan Ejen AI ke Web: Perjalanan Pembangun dan Peningkatan Penggunaan Komputer
Satu halangan utama dalam pembangunan ejen AI sejak dua tahun lalu ialah memberikan akses web dengan pasti. Pertimbangkan ejen AI yang direka untuk menghantar e-mel: bagaimana anda menyambungkannya ke Gmail atau Outlook? API, tapak web atau ejen web autonomi? Artikel ini meneroka pelbagai kaedah.
API dan SDK: Pendekatan Terhad
Ramai pembangun menggunakan API dan SDK. Ini menawarkan kependaman rendah dan pengesahan yang mantap, tetapi had wujud:
- Ketidaktersediaan API: Tidak semua perkhidmatan web menyediakan API.
- Cabaran Dokumentasi: Dokumentasi yang lapuk atau ditulis dengan buruk adalah perkara biasa.
- Jurang Ciri: API selalunya tidak mempunyai kefungsian penuh tapak web yang sepadan, menghalang tugas tertentu.
Nasib baik, beberapa perkhidmatan menawarkan perpustakaan panggilan API:
- Komposio: Menyediakan alatan untuk ejen AI dengan pengesahan yang kukuh.
- Alat Langchain: Sumber untuk ejen Langchain/graf.
- Apify: Pustaka API dipacu komuniti yang luas.
Walau bagaimanapun, untuk akses perkhidmatan web universal, kita mesti bergerak melangkaui API.
Interaksi Laman Web: Pendekatan Manusia
Interaksi tapak web ejen AI yang boleh dipercayai membolehkan automasi sebarang tugas manusia berasaskan web. Tetapi bagaimana?
Ramai pembangun pada mulanya menggunakan rangka kerja ujian penyemak imbas seperti Selenium atau Penulis Drama. Pendekatan ini, bagaimanapun, menghadapi cabaran:
- Kerapuhan: Perubahan tapak web (mis., ujian A/B) dengan mudah memecahkan skrip.
- Kebolehkesanan: Pelayar ujian dikenal pasti dan disekat dengan mudah.
- Pengeluaran Pengeluaran: Mengehos penyemak imbas, mengurus pengesahan dan proksi berputar adalah rumit dalam pengeluaran.
Untuk menangani isu ini, kami bereksperimen dengan SDK Penyemak Imbas yang:
- Menggunakan pemilih bahasa semula jadi (cth.,
get_element("find the login button")
) dan bukannya pemilih CSS rapuh. - Mengintegrasikan pengesahan terbina dalam.
- Menawarkan pengehosan jauh prakonfigurasi dengan proksi berputar terbina dalam untuk mengelakkan penyekatan.
Karya ini, kini sumber terbuka (Dendrite SDK), tidak lagi dalam pembangunan aktif tetapi masih tersedia untuk kajian dan penyesuaian. Alternatif serupa termasuk:
- AgentQL: Pustaka Python.
- Stagehand: Pustaka JavaScript/TypeScript.
Penggunaan Komputer: Masa Depan Ejen AI Web?
"Pelajaran Pahit" Rich Sutton menyerlahkan penguasaan penyelesaian AI yang boleh digeneralisasikan yang boleh skala dengan pengiraan yang lebih tinggi. Penggunaan Komputer Anthropic merangkumi prinsip ini, membenarkan LLM mengawal komputer/pelayar secara langsung menggunakan input tetikus dan papan kekunci, menghapuskan keperluan untuk skrip dan panggilan API. Pendekatan mereka menekankan kemahiran komputer umum berbanding alat khusus tugas. Ini selaras dengan sempurna dengan Pelajaran Pahit, mencadangkan bahawa ejen AI yang paling serba boleh akan berinteraksi secara langsung dengan web seperti manusia. Keputusan awal menunjukkan kebolehpercayaan yang tinggi dalam tugasan yang kompleks menggunakan gesaan yang direka dengan baik, selalunya dipertingkatkan oleh penambahbaik segera Anthropic.
Kesimpulan: Merangkul Masa Depan
Walaupun API kekal berharga, masa depan mungkin lebih mengutamakan pendekatan seperti Penggunaan Komputer untuk kebanyakan ejen AI. Jika ejen boleh log masuk dan menggunakan fungsi carian tapak web, mengekstrak kesimpulan daripada hasil teratas, mengapa bergantung pada keseluruhan pangkalan data melalui API? Persoalan untuk pembangun AI ialah sama ada untuk menerima pendekatan yang boleh digeneralisasikan ini atau berisiko menghadapi batasan kaedah yang lebih khusus.
Nota: Ini adalah siaran dev. pertama saya. Maklum balas untuk menambah baik siaran akan datang adalah dialu-alukan. Soalan mengenai ejen AI atau automasi tugas dipacu AI juga digalakkan.
Atas ialah kandungan terperinci Cara Membina Ejen AI yang boleh Menggunakan mana-mana Laman Web. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.
