browserbee 的安装和配置教程
1. 项目基础介绍和主要编程语言
browserbee 是一个开源的浏览器内 AI 助手项目,它允许用户使用自然语言来控制浏览器。这个项目主要使用 JavaScript 进行开发,它基于 Chrome 扩展程序,结合了大型语言模型(LLM)的指令解析和规划能力以及 Playwright 的浏览器自动化功能,以完成各种任务。
2. 项目使用的关键技术和框架
-
Chrome 扩展程序框架:
browserbee是作为 Chrome 扩展程序开发的,因此它可以直接在用户浏览器内运行,提供更加安全和便捷的使用体验。 -
大型语言模型(LLM):项目支持多种 LLM 提供商,如 Anthropic、OpenAI、Gemini 和 Ollama 等,用于解析用户指令和执行任务。
-
Playwright:这是一个强大的浏览器自动化工具,
browserbee在后台使用它来与网页进行交互和理解网页状态。 -
本地存储技术:如 IndexedDB,用于在用户的 Chrome 实例中存储关键信息。
3. 项目安装和配置的准备工作及详细安装步骤
准备工作
在开始安装 browserbee 之前,请确保您已经安装了以下工具:
- Node.js:用于安装项目依赖和构建项目。
- Git:用于克隆和下载项目代码。
- Chrome 浏览器:作为运行
browserbee的环境。
安装步骤
-
克隆项目仓库
打开命令行工具,执行以下命令克隆项目代码:
git clone https://github.com/parsaghaffari/browserbee.git -
安装项目依赖
进入项目目录,执行以下命令安装项目所需依赖:
cd browserbee npm install -
构建项目
在项目目录中,执行以下命令构建项目:
npm run build -
加载扩展程序
打开 Chrome 浏览器,进入
chrome://extensions/页面,开启开发者模式,然后点击“加载已解压的扩展程序”,选择browserbee项目目录。 -
配置扩展程序
根据
browserbee的使用说明,配置所需的 LLM 提供商和其他相关设置。 -
使用扩展程序
在 Chrome 浏览器中,您现在应该能看到
browserbee扩展程序的图标。点击图标并按照提示进行操作,开始使用您的浏览器内 AI 助手。
以上步骤为您提供了从零开始安装和配置 browserbee 的详细指南。如果您在安装过程中遇到任何问题,可以查看项目的 README.md 文件或加入社区寻求帮助。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00