LaVague

开源大动作模型框架，用于开发AI Web代理

LaVague AI Web Agents Large Action Model Selenium 开源 Github 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。

访问官网

Github

Huggingface

介绍知识库相关项目

lagent - 一个专为高效构建基于大型语言模型（LLM）的代理而设计的开源轻量级框架，

GithubLagent大语言模型开源开源项目智能代理流式输出

Lagent是一个开源轻量级框架，专为高效构建基于大型语言模型（LLM）的代理而设计。该框架提供流式输出接口，统一的接口设计及完备的API文档，支持多种模型和代理的快速开发。了解Lagent的核心功能和技术架构，助力开发效率。

waggle-dance - 高级代理系统，提升目标管理与任务执行效率

Githubwaggledance.ai人工智能并发执行开源项目自动化项目管理

waggledance.ai是一款实验性应用，旨在实现用户指定目标。它提供直观的用户界面，用于构建基于代理的系统，专注于可解释性、可观察性、并行生成和探索。系统包括规划代理、执行代理和批评代理，能够减少低质量结果和虚构现象。用户可与代理实时互动进行调整。采用Typescript、Langchain.js、Prisma等技术栈，支持本地和云端部署，并提供API访问。

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。

AgentVerse - 全面的多语言模型(LM)部署与应用框架

AgentVerseGithub任务解决多智能体环境开源社区开源项目模拟框架热门

AgentVerse 是专为多语言模型(LM)部署与应用而设计的框架，提供任务解决和模拟两大核心功能。任务解决框架能集成多个代理，协同完成特定任务，如软件开发和咨询系统等；而模拟框架则允许用户自定义环境，从而观察和交互多个代理间的行为。此外，该项目也在 NVIDIA 博客和 ICLR 2024 上有所介绍，并提供了与诸多应用相结合的开源社区支持。

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。

LaVie - 级联潜在扩散模型实现高质量视频生成

AI视频制作GithubLaVie开源项目文本生成视频潜在扩散模型视频生成

LaVie是一个基于级联潜在扩散模型的文本到视频生成框架。它通过基础模型生成、视频插值和超分辨率三个步骤,可生成16至61帧、最高1280x2048分辨率的高质量视频。该框架支持多种采样方法和参数调整,用户可通过简单命令生成不同风格视频。LaVie开源了模型代码和预训练权重,便于学术研究和商业应用。

ScreenAgent - 由视觉语言大模型驱动的电脑控制工具

GithubIJCAI 2024ScreenAgentVLM Agent开源项目数据集自动控制

ScreenAgent项目创建了一个由视觉语言模型驱动的电脑控制环境，允许代理通过截图与真实屏幕互动并操作GUI。自动控制流程分为规划、执行和反思三个阶段，使代理能够完成多步骤任务。项目包含丰富的截图和操作序列数据集，支持包括GPT-4V、LLaVA-1.5、CogAgent和ScreenAgent在内的多种模型，并提供简化体验的网页版客户端。

AgentForge - 低代码平台，便捷创建与测试AI智能代理

AI代理AgentForgeGithub多模型支持开源项目数据库无关性认知架构

AgentForge是一个低代码框架，简化了AI自主代理和认知架构的快速开发、测试和迭代过程。支持OpenAI、Google Gemini、Anthropic Claude以及本地模型如Ollama和LMStudio，灵活运行不同模型。适合新手与资深开发者，提供用户友好的界面和数据库无关的可扩展框架，助力构建复杂的AI系统，是AI项目的理想选择。

AgentLLM - 用LLM打造自主代理，浏览器端高效运行

AgentLLMChatGPTGithubWebGPUWizardLM开源项目浏览器原生LLM

AgentLLM展示了使用开源大型语言模型（LLM）在浏览器上运行自主代理的潜力，可有效处理复杂的目标导向任务。通过利用WebGPU，项目显著提升了性能，并在无工具简化版的AgentGPT环境中实现。该平台适合于希望快速验证LLM能力的用户，界面友好且功能丰富。

OpenAgents - 语言代理开放平台

Data AgentGithubOpenAgentsPlugins AgentWeb Agent开源项目语言智能代理

OpenAgents是一个开放型语言代理平台，通过聊天界面提供数据分析、插件整合及网页浏览功能。其支持快速易部署的代码结构和用户友好的Web界面，配备丰富的定制选项，适合技术开发者和普通用户。平台现有三种代理，分别优化数据操作、提供多样插件和自动化网页导航，适用于多场景应用。

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