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

ScreenAI - 深度理解界面和信息图的视觉语言模型

GithubScreenAIUI理解信息图表理解多模态开源项目视觉语言模型

ScreenAI是一个开源的多模态视觉语言模型，专注于用户界面(UI)和信息图的理解。该模型集成了视觉变换器(ViT)、注意力机制和前馈网络，能够处理图像和文本输入。通过深度学习技术，ScreenAI实现了对复杂视觉信息的处理和文本整合分析，为UI设计、信息可视化和人机交互研究提供了新的工具和方法。

AutoWebGLM - 智能网页导航代理系统

AutoWebGLMGithubHTML简化Web导航代理大语言模型开源项目自动网页浏览

AutoWebGLM项目致力于开发高效的自动网页导航代理系统。该项目基于ChatGLM3-6B模型，通过创新的HTML简化算法、人机混合训练方法、强化学习和拒绝采样技术，显著提升了模型的网页理解和浏览器操作能力。此外，项目推出的AutoWebBench双语基准为评估AI网页导航代理性能提供了专业工具。

x-crawl - 基于Node.js的灵活AI辅助爬虫库

AI爬虫GithubNode.jsOpenAIx-crawl开源项目网络技术

x-crawl是一个高效的Node.js AI爬虫库，支持动态和静态页面爬取。其AI技术增强了数据抓取的准确性和效率，适用于多种场景与代理配置。

BrainyAI - 浏览器插件集成多款顶级AI模型，提供免费AI辅助功能

AI聚合BrainyAIGithub免费替代大语言模型开源项目浏览器插件

BrainyAI是一款开源的Chrome浏览器扩展，集成GPT-4、Claude、Gemini等多款顶级AI模型。该插件提供AI聊天聚合、搜索、阅读和网页浏览增强功能，用户可在当前页面进行对话、搜索、网页摘要和文件阅读等任务。BrainyAI重视隐私保护，所有数据本地存储，确保安全可靠的AI辅助体验。

Traversaal.ai - 高效实时多网站搜索API服务

AI工具ARES API企业版在线LLM定价模式实时搜索

提供在线LLM ARES API，3-4秒内返回实时多网站搜索结果及URL。目前免费使用，未来推出付费方案。采用充值模式，按需付费无月订阅。支持AI聊天机器人、SEO分析和金融科技项目，默认每分钟20次查询，可调整。提供7天内全额退款政策，为用户提供灵活的搜索解决方案。

TigerBot - 开源的多语言多任务大规模语言模型

AI助手AI对话AI工具TigerBot无限乐趣智慧对话有趣互动温馨陪伴热门

TigerBot是一个整合多语言处理和多任务处理功能的开源大规模语言模型（LLM）。平台开源包含TigerBot-7B系列模型、训练和推理代码，提供丰富API与专门的领域数据，并紧密开发相关插件如"TigerBot Search"，致力于增强科技应用在日常生活中的便捷。

AI-Term - 网站内容智能优化与转化率提升工具

AI工具AI服务Tangelo Bilişim服务条款退款政策隐私政策

AI-Term是一款网站内容优化工具，为复杂术语提供可点击定义，提高用户参与度和转化率。适用于教育、技术文档和新闻等多种网站，增强用户体验并提升网站收入。这一人工智能和Web开发解决方案体现了先进的技术创新能力。

TagUI - 多语言支持的开源RPA工具，兼容多个平台和应用

GithubRPATagUI开源软件开源项目脚本自动化

TagUI是一款开源的RPA工具，支持Windows、macOS和Linux操作系统。用户可以用TagUI语言编写自动化流程，支持22种语言和多种应用场景，包括网页、桌面应用和命令行。TagUI功能丰富，从Excel数据处理到Telegram通知都能实现自动化，还支持通过MS Office插件和常用文本编辑器创建和编辑RPA机器人。虽然TagUI官方维护即将停止，用户仍可通过Python RPA包继续使用其工作流。

HARPA AI - 智能AI浏览器助手集成网络自动化功能

AI助手AI工具GPT集成HARPA AI浏览器扩展自动化工具

HARPA AI是一款集成GPT模型与网络自动化技术的浏览器扩展。它能自动化多种网络任务,包括文章撰写、邮件回复、网页内容总结和数据提取。支持多种AI模型,适用于各类网站,可显著提升网络浏览和工作效率。HARPA AI重视用户隐私,本地运行不存储敏感信息,为用户提供安全可靠的AI辅助服务。

visualwebarena - 真实视觉网络任务评估多模态智能体表现的基准平台

AI评估GPT-4VGithubVisualWebArena多模态代理开源项目视觉网页任务

VisualWebArena是一个评估多模态自主语言智能体的真实基准平台。它包含多种基于网络的复杂视觉任务，全面评估智能体的各项能力。该项目基于WebArena的可复现评估方法，提供端到端训练和环境重置功能，支持在任意网页上测试多模态智能体。项目还公开了GPT-4V + SoM智能体在910个任务中的表现数据，方便研究人员进行分析和评估。

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