人工智能改变了我们与网络交互的方式，例如我们处理某些浏览器任务的方式。从数据提取和表单提交到工作流自动化，人工智能工具可以轻松处理这些流程。
因此，您无需手动点击页面或复制信息，就可以使用这些工具自动执行这些任务，从而节省时间并简化工作流程。
在本文中，我们精选并测试了一些目前可用的浏览器自动化工具。如果您是开发人员、研究人员或商务人士，我相信您会喜欢这些工具，因为它们可以帮助您提高工作效率。
1. BrowserUse
BrowserUse 是一款开源工具，旨在使 AI 代理能够与 Web 浏览器交互。这使得 AI 代理能够在浏览器环境中执行任务，例如浏览网站、提取信息以及与 Web 应用交互。
它支持多种模型，包括 OpenAI、Antrhopic、Gemini、DeepSeek 甚至 Ollama。
您可以使用它执行各种任务，包括网页抓取、购物、求职、发送电子邮件、保存文件等等。由于它由 Playwright 提供支持，因此它与 Playwright 支持的所有浏览器兼容，包括 Chromium、Firefox 和 Safari。
BrowserUse 在其代码库中提供了许多示例和用例，您可以从中学习或汲取灵感。以下是它如何为您求职的示例。
优点
- 支持多种 AI 模型，包括 Ollama。
- 与 Playwright 支持的所有浏览器兼容。
缺点
- 需要 Python 和其他一些技术知识才能设置和使用
2. Stagehand
Stagehand 是一个基于人工智能的网页浏览框架，旨在简化和改进浏览器自动化任务。
它允许您更高效地将自然语言指令转换为无头浏览器操作。这不仅降低了传统浏览器自动化的复杂性，还可以加快您的开发工作流程。
Stagehand 也与 Playwright 协同运行。但它的不同之处在于，它提供了易于理解的 JavaScript API，使其更容易与您现有的基于 JavaScript 的项目集成。
您可以使用它来自动化各种任务，从网页抓取到测试和监控。体验它的易用性。
优点
- 使用 NPX 软件包轻松安装
- 易于使用的 JavaScript API
- 支持各种浏览器自动化任务
缺点
- 仅支持 OpenAI 和 Anthropic AI 模型
3. Skyvern
Skyvern 是一款利用 LLM 和计算机视觉技术跨多种浏览器自动化工作流程的工具。
它配备了多个 AI 代理，旨在处理不同的任务：
- 双重身份验证代理，能够处理双因素身份验证；
- 自动完成代理，能够使用动态自动完成功能填写表单；
- 数据提取代理，能够提取网站上的信息，例如文本和表格，并将其组织成适当的格式；
- 可交互元素代理，能够解析 HTML 以识别可交互的元素，例如按钮、链接和输入字段；
- 密码代理，能够管理用户名和密码等敏感输入。
它结合了提示符、计算机视觉和这些智能代理，能够实时分析网页并与之交互。这使得它能够通过将视觉元素映射到给定工作流程所需的操作，在从未见过的网站上导航和自动执行任务，而无需自定义代码。
它支持多种 AI 模型，包括 OpenAI、Anthropic、AWS Bedrock，并且很快还将支持 Ollama 和 Gemini。
优点
- 这是一款先进的工具，配备反机器人检测机制、代理网络和 CAPTCHA 验证，可帮助您完成更复杂的工作流程。
- 支持各种不同的 AI 模型。
- 提供用户友好的界面来创建和管理自动化工作流程。
- 底层由 Playwright 提供支持，可与 Chrome、Firefox 和 Safari 等不同浏览器兼容。
缺点
- 需要一定的技术知识才能在自托管设置中使用。
4. Shortest
Shortest 是一个开源的、由人工智能驱动的测试框架，它允许您使用简单的英语指令编写端到端测试。
这使您能够专注于描述测试场景，而 Shortest 负责处理实现细节。例如，使用 Shortest 函数，您可以指定诸如使用用户名和密码登录应用程序之类的操作。
import { shortest } from '@antiwork/shortest'
shortest('Login to the app using email and password', {
username: process.env.GITHUB_USERNAME,
password: process.env.GITHUB_PASSWORD
})
它基于 Playwright 构建，并提供与 GitHub 的无缝集成，以实现持续集成和部署工作流。
查看下面的实际工作原理。
优点
- 专为端到端测试而设计
- 提供 JavaScript API
- 无缝集成 Github 和 Playwright，如果您已经在使用这些工具，可以更轻松地上手。
缺点
- 它仅设计用于自动化端到端测试。如果您希望自动化其他浏览器任务，可能需要考虑其他工具。
5. Automa
Automa 是一款免费的开源浏览器扩展程序，旨在自动执行各种 Web 任务，例如自动填写表单、截取屏幕截图、从网站抓取数据以及下载资源。
自动执行浏览器任务非常简单。
它提供了一个用户友好的低代码界面，允许您通过连接不同的块来创建自动化工作流。它还具有工作流记录功能，可以自动捕获您的操作，并且市场提供了许多共享工作流，您可以根据自己的需求添加和自定义它们。
虽然它本身并非 AI 驱动的工具，但其易用性使其成为热门选择。它还提供了一个自定义块，您可以在其中放置自己的函数，以便与 OpenAI、Claude 或 DeepSeek 等 AI 服务集成。
它适用于 Chrome 和 Firefox 浏览器，您可以直接从各自的扩展程序商店安装。
优点
- 以浏览器扩展程序形式提供，安装非常简单。
- 提供用户友好的界面，方便创建自动化工作流程
- 支持自定义模块，方便与外部 AI 服务集成
缺点
- 由于它本身并非 AI 驱动的工具，因此可能不如列表中的其他工具先进
小结
人工智能工具可以帮助您自动化浏览器任务，节省时间并简化工作流程。在本文中，我们精选了一些目前市面上最好的免费开源人工智能工具。
不妨尝试一下，看看它们如何帮助您提高工作效率。
评论留言