Logo
Project Icon

SeeAct

基于多模态GPT模型的网页任务自动化解决方案

SeeActGPT-4V(ision)Mind2Webweb代理多模态模型Github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。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
vimGPT - 基于GPT-4V的无鼠标网页浏览器
AI浏览器GPT-4VGithubVimiumvimGPT多模态模型开源项目
vimGPT是一个创新的网页浏览项目，结合了GPT-4V的视觉能力和Vimium扩展。该项目实现了无需鼠标的网页浏览，用户可通过键盘或语音命令操控浏览器。vimGPT探索了多模态模型在网络交互中的应用，提高了网页访问的便利性。项目正在开发更多功能，如集成高级API和提升图像分辨率，以增强整体用户体验。
GPT4Tools - 大语言模型自学使用多模态工具的创新系统
GPT4ToolsGithub多模态交互大语言模型开源项目自我指导视觉基础模型
GPT4Tools是基于Vicuna (LLaMA)的创新系统,通过71K自建指令数据实现对多个视觉基础模型的智能控制。该系统能自动决策和利用不同视觉模型,实现对话中的图像交互。项目支持通过自我指导和LoRA微调教授大语言模型使用工具,为图像相关需求提供高效解决方案。GPT4Tools的开源性和灵活性使其成为AI研究与应用的重要工具。
gpt-automated-web-scraper - AI智能网页抓取工具，自动生成和执行抓取代码
AI Web ScraperGithubOpenAI GPT-4Python开源项目网页抓取自动化
AI Web Scraper是一款由AI驱动的网页抓取工具，支持用户根据需求从HTML源中提取数据。工具的主要功能包括生成和执行抓取代码，并支持URL或本地文件路径作为数据源，为用户提供灵活的选择。该项目需要Python和OpenAI GPT-4 API密钥。安装步骤包括克隆项目仓库、安装依赖包并设置API密钥。使用时可通过命令行参数指定抓取源、源类型和目标字符串。此项目采用MIT许可证，用户可自由修改和使用。
SingularGPT - 设备自动化的智能解决方案
ChatGPTGPT-4GithubNLP指令SingularGPT开源项目设备自动化
SingularGPT项目结合ChatGPT和GPT-4，实现自然语言驱动的设备自动化。用户通过简短文本查询，即可让SingularGPT执行相应操作，包括屏幕识别、无头服务器处理及自动化脚本生成。该项目不依赖爬虫，具备元素检测、文本检测和组件检测功能，支持x11服务器及NLP指令，安装简便，是设备自动化的领先解决方案。
GPTPortal - 多模态LLM API全能聊天门户
Anthropic ClaudeChat-Bot PortalGPT-4 APIGithubGoogle GeminiMistral AI开源项目
GPTPortal是一个基于Node.js的全功能网页应用，集成了多种LLM API，包括OpenAI的GPT-4、Anthropic Claude、Mistral AI和Google Gemini等。用户可以通过平台与对话机器人互动，支持文本、语音和图像生成功能。平台提供友好的用户界面、自定义指令、对话历史记录、简单设置和多模型选择。适用于需要高级AI和多模态交互的用户，支持技术应用和研发。
auto-gpt-web - 互联网搜索和信息收集，并可以在浏览器中保存定义、聊天记录和凭证的工具
AIAutoGPTGithub互联网访问安全性开源项目自动化目标
AutoGPT项目允许设置AI初始角色和目标，AI将自动实现无需人工监督。该项目支持互联网搜索和信息收集，并可以在浏览器中保存定义、聊天记录和凭证。未来功能包括长期记忆、Electron应用及使用Electron webview进行搜索操作。所需的OpenAI API密钥和Google搜索API等信息仅保存在本地浏览器，确保安全且可随时删除。
py-gpt - 多功能桌面AI助手，支持多模式与模型集成
DALL-E 3GPT-4GithubLangchainOpenAI APIPyGPT开源项目
PyGPT是一款桌面AI助手，提供与OpenAI语言模型GPT-4、GPT-4 Vision和GPT-3.5的直接互动，并通过Langchain集成其他LLMs。支持对话、生成、辅助和图像处理等多种功能，使用DALL-E 3进行图像生成，利用GPT-4 Vision进行图像分析。支持文件系统操作、Python代码生成和执行、系统命令、电文语音合成和识别，集成微软Azure、Google、Eleven Labs和OpenAI的服务。多模态插件支持，适用于文本交互、系统自动化、日常辅助、视觉应用和代码生成。
AIUI - AI语音交互平台，兼容桌面和移动浏览器
AIUIGPT-3.5GPT-4Github开源项目文本到语音语音接口
AIUI平台提供与AI模型的无缝双向语音通信，现支持GPT-4和GPT-3.5，兼容桌面和移动浏览器，未来将支持开放模型。在浏览器中打开应用即可开始对话，AIUI会处理语音输入并提供语音回应，实现自然连续的交互。它提供本地运行指南、环境变量配置及一键部署选项，方便快速上手。
Webapi.ai - GPT-4驱动的智能客服聊天机器人构建平台
AI工具AI聊天机器人API集成GPT-4多渠道集成客户服务
Webapi.ai是一个基于GPT-4技术的聊天机器人构建平台。该平台支持企业快速创建智能客服系统，实现与客户的自然对话、问题解答和数据记录。平台特点包括丰富的模板选择、多渠道集成、API连接和文档上传功能。通过Webapi.ai，企业可以轻松构建适应各种场景的智能对话系统，有效提升客户服务体验。
GPTeam - GPTeam通过多代理协作实现预定义目标，提升生产力和沟通效率
AI代理GPT-4GPTeamGithub多代理系统开源项目生产力
GPTeam使用GPT-4创建多个协作代理，探索GPT模型在提高多代理生产力和沟通效率方面的潜力。用户可以克隆项目仓库并配置环境变量开始体验，观察代理如何合作完成任务。项目提供视频演示、详细架构说明以及Discord和Anthropic Claude集成指南，欢迎贡献代码并提交拉取请求。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号