【亲测免费】 Proxy Lite 使用教程
2026-01-30 04:07:52作者:董斯意
1. 项目介绍
Proxy Lite 是一个轻量级、开源的代理助手,它是 Proxy 项目的简化版本,拥有开放权重。Proxy Lite 由 Convergence AI 开发,旨在提供一种模块化和可扩展的解决方案,使得用户可以轻松地替换环境、求解器或代理。
2. 项目快速启动
要快速启动 Proxy Lite,请按照以下步骤操作:
首先,克隆仓库:
git clone https://github.com/convergence-ai/proxy-lite.git
然后,设置环境:
make proxy
或者手动执行以下步骤:
pip install uv
uv venv --python 3.11 --python-preference managed
uv sync
uv pip install -e
安装 Playwright:
playwright install
使用以下命令直接运行 Proxy Lite:
proxy --help
或者运行本地 Web UI:
make app
3. 应用案例和最佳实践
以下是一个使用 Proxy Lite 的案例:
import asyncio
from proxy_lite import Runner, RunnerConfig
config = RunnerConfig.from_dict({
"environment": {
"name": "webbrowser",
"homepage": "https://www.google.com",
"headless": True # 不显示浏览器界面
},
"solver": {
"name": "simple",
"agent": {
"name": "proxy_lite",
"client": {
"name": "convergence",
"model_id": "convergence-ai/proxy-lite-3b",
"api_base": "https://convergence-ai-demo-api.hf.space/v1"
}
}
},
"max_steps": 50,
"action_timeout": 1800,
"environment_timeout": 1800,
"task_timeout": 18000,
"logger_level": "DEBUG"
})
proxy = Runner(config=config)
result = asyncio.run(proxy.run("Find some markets near Kings Cross and tell me their ratings."))
在这个例子中,Proxy Lite 被配置为在 Web 浏览器环境中运行,执行一个简单的求解器,并使用 Proxy Lite 代理。
4. 典型生态项目
Proxy Lite 是一个可以作为基础的项目,它可以被集成到更大的生态系统或项目中。以下是一些可能与之集成的典型项目:
- 自动化测试:使用 Proxy Lite 来模拟用户操作,进行自动化测试。
- 聊天机器人:将 Proxy Lite 集成到聊天机器人中,提供更复杂的问题解答功能。
- 数据采集:利用 Proxy Lite 的 Web 浏览器环境进行数据采集任务。
Proxy Lite 的开放性和模块化设计使其成为多种应用场景的理想选择。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220