tarsier

网页交互感知系统赋能AI代理执行网络任务

Tarsier是一个为网络交互AI代理开发的视觉工具包。它利用智能标记和OCR技术将网页内容转化为结构化文本，使AI能够理解网页布局。该工具支持多种OCR引擎，提供易用的API，帮助开发者为AI代理增添网页感知能力，提高自动化网络任务的效率。

访问官网

Github

论文

介绍相关项目

skyvern - 自动化浏览器工作流，集成大语言模型与计算机视觉

GithubLLMSkyvern开源项目浏览器工作流自动化计算机视觉

Skyvern结合大语言模型（LLMs）和计算机视觉，提供简单的API端点，实现大量网站的工作流自动化，解决传统方法的不稳定性。无需定制代码即可操作新网站，对布局变化具有抗性，并能在多个网站上应用相同工作流。Skyvern云版本让用户无需管理基础设施即可运行多个实例，并提供反机器人检测、代理网络和验证码解决方案。

AIAS - 专为图像识别和自然语言处理设计的高效SDK集合，提升开发效率

AIASGithubOCR图像识别开源项目机器学习自然语言处理

AIAS提供多种图像识别和自然语言处理SDK，包括OCR工具、动物分类、单目深度估计等图像处理功能，以及词向量、机器翻译、情感分析等自然语言处理应用。该项目旨在提升开发效率，满足多种业务需求。

T-Rex - 融合文本和视觉提示的通用目标检测模型

APIGithubT-Rex2开源项目目标检测视觉提示计算机视觉

T-Rex2是一款融合文本和视觉提示的通用目标检测模型。它突破传统模型局限，具备零样本检测能力，适用于农业、工业和生物医学等领域。该模型支持交互式视觉提示、通用视觉提示和文本提示三种工作流程，满足多样化的目标检测需求。项目提供在线演示和API接口，便于快速体验和集成。

WebScraping.AI - 综合网页抓取API平台集成GPT、代理和解析功能

AI工具APIGPT工具JavaScript渲染代理服务网页抓取

WebScraping.AI是一个综合性网页抓取API平台，集成GPT API、代理服务、浏览器渲染和HTML解析功能。平台提供JavaScript渲染、自动轮换代理、HTML解析等核心功能，并支持GPT驱动的内容提取和地理定位。它简化了网页抓取流程，能满足复杂的数据采集需求。该平台采用灵活定价策略，适合各类开发者使用。

SeeAct - 基于多模态GPT模型的网页任务自动化解决方案

GPT-4V(ision)GithubMind2WebSeeActweb代理多模态模型开源项目

SeeAct采用多模态GPT模型（如GPT-4V(ision)），提供网页任务自动化的解决方案，支持OpenAI和Google的多种语言模型，并与Playwright浏览器无缝集成。适用于网页代理测试与评估，支持多种配置和自定义任务，实现安全操作和实时监控。Multimodal-Mind2Web数据集提供丰富的网页截图和HTML文本，便于实验和评估。

tiger - 开源的语言模型开发与安全测评工具包

GithubTigerArmorTigerDATigerLabTigerRAGTigerTune开源项目

TigerLab开源工具套件，包括TigerRAG、TigerTune、TigerDA和TigerArmor，专为增强AI系统安全性与专业性设计，弥合LLM与数据的差距。

AI Employe - 基于GPT-4视觉技术的浏览器自动化工具

AI EmployeAI工具工作流程研究助手自动化邮件处理

AI Employe是一款基于GPT-4视觉技术的浏览器自动化工具，可靠地实现电子邮件到CRM/ERP的数据传输自动化。它能处理需要人类智能的任务，如理解邮件、收据和发票等。用户只需描述任务，AI Employe就能执行复杂操作，每周节省大量时间。作为研究助手，它可从图表和图像中提取见解。这个开源项目旨在提高工作效率，通过浏览器自动化帮助用户节省宝贵时间，成为提升工作效率的得力助手。

bananalyzer - AI驱动的网页任务评估框架

AI AgentBananalyzerGithubPlaywright开源评估开源项目网页任务

Bananalyzer是一个专注于网页任务的开源AI评估框架。它利用Playwright保存网站快照，构建多样化数据集。通过CLI工具，Bananalyzer可对示例网站进行多种评估，包括信息获取和链接抓取。该项目致力于整合现有网页任务数据集，为结构化信息检索提供评估标准，旨在推动AI在Web环境中的应用研究。

ai_webui - AI-WEBUI 多功能图像音频视频处理平台

AI-WEBUIAI创作平台Github图像处理开源项目视频处理音频处理

AI-WEBUI是一个开源的通用AI创作平台，集成图像分割、物体追踪、语音识别等基础功能，以及聊天机器人、视频翻译等高级功能。支持ChatGLM2、SAM和Whisper等多种AI模型，可显著提高短视频创作效率。通过简单的界面操作，用户能轻松完成复杂AI任务，适合个人和专业用户使用。

Tavily - 专为AI和LLM优化的高效搜索引擎API

AI代理AI工具LLMTavily Search API实时信息搜索引擎

Tavily是一款为AI助手和LLMs优化的搜索引擎API。它提供实时、准确的搜索结果，提升AI决策能力，减少幻觉和偏见。支持深度研究和智能查询，单次API调用即可获取可信且精选的信息。Tavily为AI应用提供可靠的实时知识连接，受到全球AI领域专业人士的认可。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com