Logo
Project Icon

skyvern

自动化浏览器工作流，集成大语言模型与计算机视觉

Skyvern自动化浏览器工作流LLM计算机视觉Github开源项目

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。

访问官网访问官网GithubGithub
介绍相关项目
skypilot - 高效部署AI和批处理作业至全球云平台
GPUGithubLLMSkyPilot云计算开源项目成本节约热门
SkyPilot是一个为LLMs和AI提供的框架，支持在任意云平台运行，最大化GPU利用率和降低成本。该框架通过自动管理作业队列，简化了扩展操作，还提供了对象存储的简便接入。用户可以在全球任一区域的云中自动故障转移，使用管理型Spot实例以较低成本运行，同时自动选择成本最优的机型和区域。
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。
Avian - 提供先进LLM推理和广泛数据连接的企业AI平台
AI工具APIAvian企业数据生成式AI语言模型
Avian是一个企业级生成式AI平台，基于Meta的Llama 3.1 405B模型提供先进语言处理。平台支持100多种数据连接器的RAG技术，实现强大的自然语言理解和生成。Avian API具备原生工具调用、流式处理和OpenAI兼容性，注重数据隐私和安全。Google、Salesforce等大型企业采用该平台，获得可靠、安全和高效的LLM数据集成解决方案。
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。
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。
Bytebot - 智能网页数据提取与自动化解决方案
AI工具AI自动化Bytebot工作流程数据提取网页抓取
Bytebot是一款智能网页数据提取和自动化工具，提供REST API和无代码平台。用户只需输入URL和指令即可构建灵活的网页自动化流程。该工具能自动处理浏览器逻辑、IP轮换和验证码，并具备会话检查和智能缓存功能。Bytebot适用于数据提取、表单填写和网站监控等多种场景，为企业和开发者提供高效的网页数据处理方案。
vly.ai - 全栈Web开发自动化平台
AI工具AI开发团队全栈开发成本节省自动化软件开发
vly.ai是一个全栈Web开发平台，集成了产品管理、UI/UX设计、前后端开发和DevOps功能。通过AI技术，该平台能够根据简单描述生成详细开发规范，快速构建高质量、安全和可扩展的Web应用。与传统开发团队和无代码工具相比，vly.ai在开发速度、成本和产品质量方面具有优势，为企业提供了一种高效的软件开发解决方案。
LaVague - 开源大动作模型框架，用于开发AI Web代理
AI Web AgentsGithubLaVagueLarge Action ModelSelenium开源开源项目热门
LaVague 是一个开源的大动作模型框架，专为开发AI Web代理而设计。该框架通过世界模型和行动引擎，将用户的目标转化为执行指令，并通过Selenium或Playwright执行这些操作。LaVague 支持自定义配置、令牌计数、日志工具，还提供了Gradio交互界面。适用于高效自动化Web任务的开发者和技术专家。
vector-vein - 无代码AI工作流工具，轻松创建智能自动化任务
AIGithubLangChainVectorVein工作流开源项目无代码
VectorVein是一个无代码AI工作流工具，通过大语言模型的强大功能，用户无需编程即可轻松创建工作流，实现日常任务的智能自动化。无需下载或安装即可在线体验。配置功能丰富，包括远程和本地大语言模型接口、语音识别、嵌入模型配置及快捷键设置，使用便捷。适用于翻译、思维导图、网页文章总结及客户投诉分类等多种场景，提供高效解决方案。
web-llm - 浏览器语言模型推理引擎，完全支持OpenAI API
GithubOpenAI API兼容性WebGPUWebLLM大语言模型开源项目浏览器内推理
WebLLM是一款借助WebGPU技术，实现硬件加速的浏览器内语言模型推理引擎，无需服务器即可直接在浏览器内运行。完全兼容OpenAI API，并具备流式输出和JSON模式生成功能，支持广泛的模型集成。通过NPM或CDN可以快速集成到各类AI交互应用中，同时确保用户隐私安全，并享受高效的GPU加速体验。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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