Project Icon

SeeAct

基于多模态GPT模型的网页任务自动化解决方案

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。

gpt4-openai-api - 通过Selenium在chat.openai.com上实现非官方GPT-4 API访问
ChatGPT PlusDALL-E 3GPT4OpenAIGithubOpenAISelenium开源项目
本项目解决了等待GPT-4 API访问许可的问题,使用Selenium WebDriver模拟chat.openai.com上的用户交互。如果账户订阅了ChatGPT Plus则使用GPT-4,否则默认使用GPT-3.5。该库支持GPT4浏览器、DALL-E 3和插件。请注意,此非官方库未获OpenAI认可且违反服务条款,使用风险自负。
Webtap.ai - AI赋能的网页数据抓取平台 实现无限制数据获取
AIAI工具Webtap数据采集网页抓取自然语言查询
Webtap.ai是一个创新的网页数据抓取平台,通过先进的AI技术实现全面的网页数据获取。平台支持自然语言查询,无需编码即可抓取数据。其功能包括自动解决验证码、数据识别转换、适应网站变化等,提供全方位的数据抓取解决方案。Webtap.ai支持多种数据导出格式,未来还将推出API接口,为用户带来灵活高效的数据获取体验。
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。
gptengineer.app - AI驱动快速网站原型开发,自然语言编辑一键部署
AI开发Githubgptengineer.app开源项目快速原型网站创建自然语言编辑
gptengineer.app是一个AI驱动的网站原型开发平台,通过自然语言指令实现快速创建和编辑。平台提供一键部署功能,便于将创意转化为实际网站。作为gpt-engineer开源项目的衍生,该平台继续支持开源社区。未来计划涵盖自动测试、调试和全栈功能扩展,致力于优化快速原型开发体验。
Awesome-AI-GPTs - 涵盖了多种 OpenAI GPT 应用和资源的开源项目
AIGPTsGithubOpenAI开源项目智能模型
EmbraceAGI GPTs 是一个涵盖了多种 OpenAI GPT 应用和资源的开源项目,囊括从教育到业务优化的解决方案。提供易用的资源数据库和搜索功能,以及深入的技术文章和社区互动,致力于推动AI技术的创新与应用。
chatgpt - 一个基于GPT-4技术的高级文本生成和分析工具
ChatGPTGithubOpenAIgpt-3.5-turbogpt-4开源项目性能评估
ChatGPT是由OpenAI提供的一种基于文本的人工智能助手,采用了先进的GPT-4模型,能够高效处理和生成自然语言内容。其独特的词汇和标记方法使其具备卓越的计算与生成能力,同时在编程任务上的表现经过了多轮人类评估测试验证,表现优异。更多有关模型性能和应用场景的信息,请点击相关链接。
self-operating-computer - 使多模态模型能够操作计算机的框架
API接口GPT-4oGithubSelf-Operating Computer多模态模型开源项目键盘鼠标操作
Self-Operating Computer Framework通过模拟人类的视觉和手动操作,实现计算机的自动化控制。当前支持GPT-4o、Gemini Pro Vision、Claude 3和LLaVa多模态模型,并计划对更多模型开放兼容。适用于Mac OS, Windows和Linux系统。
Instruct2Act - 利用大语言模型实现多模态指令向机器人操作的映射
GithubInstruct2Act多模态指令大型语言模型开源项目机器人操控零样本方法
Instruct2Act是一种创新框架,通过大语言模型将多模态指令转化为机器人操作。该框架生成Python程序,有效结合感知、规划和动作环节,将复杂指令转化为精准策略代码。在不同场景尤其是桌面操作领域,框架的零样本方法表现优异,超越了许多现有的学习策略。
multimodal-maestro - 多模态AI模型控制与高效提示策略框架
AI提示GithubMultimodal-MaestroPython图像处理大型多模态模型开源项目
multimodal-maestro是一个开源框架,旨在增强对大型多模态AI模型的控制能力。该项目提供先进的提示策略,使模型能够执行复杂的视觉理解任务。支持图像标注、掩码生成等功能,并具有简洁的API设计。multimodal-maestro能够充分发挥GPT-4V等多模态模型的潜力,实现更精准的视觉分析和处理。
webwhiz - 基于网站数据的易用AI聊天机器人
ChatGPTGithubWebWhiz定制开源项目无代码构建集成
无需编程经验,通过简单步骤即可在网站上部署基于ChatGPT的AI聊天机器人。系统自动抓取和更新网站数据,提供特定数据回应,并支持自定义和微调。支持离线消息和多种部署方式,如Docker和手动设置,适用于各种需求。WebWhiz核心功能包括免编程构建、自定义训练数据和无代码构建器,是希望提供高效客服支持的网站的理想选择。
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。

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