dashes怎么读在浏览器搜索

大家好，欢迎来到我的频道，这一期是 ai 浏览器系列的第五期，这期我们来看一下一个叫 browser user 的 一个项目， 这期的内容主要有以下五点，第一点是实际效果的展示，第二点是配置指南，第三点是技术原理，第四点是思考浏览器 engine 的 重要性，第五点是本期的回顾以下期的内容。 好，我们先来看一下实际效果，看一下实际效果，我们来看这份文档， 在演示实际效果之前，我们来先大概介绍一下这个背景。这期视频的背景嘛， 因为在 ai 浏览器专辑的前几期视频，如果大家有看过的话，我们就知道我们有分别介绍一个是叫 engine browser 和 open c l i 这两个呃，与浏览器自动化相关的工具吧。其中 android browser 是 一个专门为 ai engine 服务的浏览器工具， 而 open c l i 与 android browser 类似，也是一个为 ai engine 服务的浏览器工具，但它的主要亮点是可以把任何网站变成一个确定性的 c l i 服务的浏览器工具，但它的主要亮点是可以把任何网站变成一个确定性的 c l i， 并且提供了九十多种内置的十倍器。 这两者的共同点都是提供工具给 android 使用，但它们只是提供了工具，实际的工作流呢，还是需要由用户或者由 android 来串联？ 而本次要介绍的 browser user use 与前两者不同的地方就是，它不只是提供操作浏览器的工具， 更是一个更高层面的工作流程。它提供的是一个专用浏览器自动化设计的 engine， 也就是说，它只要只需要你给一个目标，就会帮你自动完成，不需要，而不需要你自己去设计整个流程，或者是借助通用的 engine 来实现流程。 呃，然后 browser use 提供三种运行模式，第一种是作为库在拍成代码中导入 engine 类来构建 engine 并执行任务。第二种是 c l a 模式， 就是命令行模式，可以通过命令行工具来快速执行浏览器的任务。第三种是 sky 模式，也就是它提供 sky 让通用 angel 的 去调用。我们这期视频主要来介绍第一种模式，也是作为库在拍帧中导入 angel 的 类来执行任务的这种模式， 呃，这个模式它我们主要是借助那，然后这个第一个实际效果的话，它比较简单，就是 我们之前看过我们视频，也知道我们的一个经典案例，就是让他帮我们登录到幺六三网站去收集邮，邮件这边是一个提示词，呃，那因为因为你也可以在下面输入账号信息，让幺让让让，这个 呃 bros use 也是他 angel 的 帮你去登录，但是因为，呃 这时候有时候经常这种自动化的登录，他会触发的一个那个要需要发送短信验证码的一个过程，所以这一步如果用 windows user 去做的话，可能中途会断掉，所以我这边选择了，就是说我先去登录这个， 先去登录这个 chrome 这个浏览器，然后用 delete 模式去连上这个 chrome 浏览器，就是我先登录，然后在它让这个 browser user 连上我已登录的那个浏览器去做后续的操作，这样会比较顺一些。 然后实际上你也可以去用在这边输入账号密码让他去登，但这中间过程可能会会断掉。对，所以我选择这种比较顺利的 这种模式，就是先启动一个这个空浏览器，然后登到幺六三去，登到幺六三网站。好，这时候我们已经登录了，我们接下去让 angela 来执行我们下一步的动作，就是点这个 run task。 好，我们来看他的这个界面上，只只在控台去输出，如果有兴趣的同学可以自己把这块完善一下，就是把他的这个输出信息放到这浏览器这边，你看这时候他会呃，第一步是 点收件箱，第二步就是获取收件箱，你看这时候实际上他已经帮我们完成了，对吧？帮完成，然后在这边 在这边输出了一些相关信息，对吧？出过了一些相关信息，然后这个信息他也会做的比较粗一些，他直接把这些呃，不管是有关还是无关的信息都给我们输出来了，但总的来说这一步是已经完成了，对吧？他把五条信息告诉我们了， 对吧？这跟我们这个，这跟我们这边的前五条信息是一样的，对吧？好，这是一个比较简单的例子，就是呃，登录幺六三，然后去获取油油箱， 然后我们接下来再试一个比较复杂一些一些的例子，就是说，呃，给他先登录吧，就是因为他这个也是要先登录的， 抖音这个也是要先登录，所以我们先给他登录，登录完再再让他继续操作吧。因为抖音这个登录他会比较麻烦一些，所以你放在这个 n 九里面去做的话，可能按目前他这种好，这时候我们已经登录完，这个， 登录完这个抖抖音创作者中心了，这时候我们来帮他帮我做一件事情，就是帮我发视频，那发视频提示时，我这边是写在这边的，就是我的目的就是让他帮我把这个 一是登录抖音创作者中心，一个就是说把视频把我放在第一盘这边的视频，也就是我这边的一个 n p 四的一个视频 给我传上去，然后帮我填写一些关键的信息，这关键信息包括一些什么作品描述的主题啊，副标题，还有横横封面和竖封面这些信息简单一点嘛，就是这样子。好，我们现在先打开这个界面，然后先输入这个提示词吧，先输入这个提示词， 然后输，然后因为这边他这个 这边涉及到的一些文件呢，他需要放到他的一个那个，哎， vivo 怕 firepass 这边，所以我们这边去先手工输入一下吧，因为这个例子会做，做的比较 比较简单一点，实际上如果做的好一些，就是可以从这边先直接提取出这些路径，对吧？我们把它输进去吧， 输进去，然后我们让他，因为这时候我们已经把这个空浏览器 bug 模式提起来了，所以这这一步就不用操作了。好，我们来试一下点这个 run task， 然后我们来看一下它的控制台吧。好，控制台他这边会这些步骤可能会比较长一些，我们看一下， 比起上面这个发邮件，这个步骤会比较长，因为上面这个邮件步骤他只用了两步，对吧？那这一步的话，他可能会用的比较比较久一些，因为他设计的交付会比较多。好，你看他一一步步，第二步是 第二步。是哦，等这等到这个页面加载，对，就等这个，你看他已经点到这边了，对吧？点到这边了，下一步他应该是传视频 啊，他已经传上去了，实际上他已经传上去了，对吧？这一步他已经帮我们传上去了。 n p 是 这个视频。好，下一步他应该是，我看一下，下一步是点这个。我知道啊，就是把这个点掉而已， 我们可以一步步看，你看这一步他是帮我们填这个标题，一个是主标题，一个是副标题，这时候他主标题填的副标题还没有填写，我们结合着这个控制台来看一下他在做什么。 对，你看他之前填主标题，下一步应该是填副标题，对吧？按我们自己的，按我们自己人操作的逻辑也是这样子，对吧？ 好，他这个每一步之间他会会比较久一些，因为他这边，呃，他需要去截取屏幕，然后去看这个屏幕的情况，然后再一步步往下走，这可能会比会比我们人操作会慢一些。对， 你看他这一步他就停的比较久，对吧？这一步他实际上在调大模型的，大模型的一个接口。 好好好，你看这一步，你看他帮填了，填了这个，对吧？我们实际上我们我这边没有做什么事情，对吧？然后这一步他是填这个副标题，然后下来一步他应该是要帮我们上传两个横方面和竖方面。好，我们来看一下， 我们来看一下他是怎么操作的。这时候，这时候他这边是那个抖音，他默认的一个横封面，他，我们看一下他会不会帮我们的，那个 就是我这边的一个横幅面给传上去，就是我这边这边的两个横幅面，竖幅面给传上去。好吧？这是我这边的横幅面，竖幅面我们来看一下他会不会帮我们继续做下去。好，你看他这时候会到看一下。啊？ 对，这时候他已经横幅面已经传完了，对吧？这时候点设置竖幅面， 就是他每一步会比较久，但是他会做，对吧？因为他每一步他都要去跟大模型做一个交互。 好，好，你看这时候他把竖封面传上去了，这个写封面布胶，我们先不管，好吧？我们因为这个跟这个竖封面做的比较复杂一些。好，这时候他完成了， 就是点前面前部的完成，下一步他应该是帮我们把这个，呃，放到赞存，对吧？我，我们是让他赞存，而不是直接发布，对吧？他应该是点下面这个，下面这个 赞存离开。好，这时候点赞存离开，这时候他到了这一步，对吧？这时候这边会显示有一个未发布的视频，是我继续编辑，对吧？ 那这这步骤就整个完成了，对吧？然后他完成之后他自己还会判断，还调用另外一个那个，呃，还会自己去判断是否成功。这下一步我们看一下，等到这个步骤完成吧。 好，你看他说我已经保存到草稿的抖音创作中心，对吧？这时候是已经完成了。好，那这就是我们另外一个比较复杂一点的意思，他也帮我们直接完成了，对吧？好，这就是我们的一个实际效果的一个展示。 好，看完实际效果我们来看一下怎么去配置安装这个 browse 用户这个开源项目， 呃，总共就那么几步，我们还是结合这个比较清楚的文档来看吧。就是安装这个 boss 又是他一个前置条件，因为他是用拍审编写的，所以他需要安装拍审拍审，而且要大于三点一版本， 然后他需要，因为他有些势力，而且基本上大部分势力他都需要浏览器嘛，所以他要需要安装 clone 浏览器。然后呢， 因为他这个拍审，他这个项目他是用 uv 去 uv 去那个管理拍审的包的，所以他拍审环境的，所以这边先安装 uv。 uv 这个安装步骤比较简单，我们之前在视频也有讲过这个的安装，所以这边就不细说了。 然后安装完之后呢，我们要去安装这个 blos， 它首先因为我们这边是用原码构建嘛， 所以要从要去先窟窿这个项目，对吧？窟窿这个地址我就不在这边贴出来了，因为贴出来呃会被抖音这边屏蔽掉。然后然后那个窟窿项目之后呢，我们就进入这个项目圆满的目录，然后去通过这个 uv 去 去那一个先安装这个安，安装这个拍摄的环境。安装完的话，如果是 windows， 我 们这边是用 windows 来做吗？也可以用 mac os、 linux， windows 的 话就是用这个这个文件去激活你的环境，激活环境之后用这个命令去同步，就把把这些相关的那个 依赖包给下下来，对，就通过这么几步就可以把这个 pro use 给安装起来。安装起来之后，接下来一步就是要去配置你的 api key， 它这边有两种 api， 两种 api， 一 种是按照 topic 的 api， 一 种是那个 open air 的 apk， 但是我实际使用起来感觉就是如果你用国内的大模型的话，呃， 一般要用 intopake api， 因为国内的很多大模型包括智普啊，包括呃前吻，包括 deepsea， 他 们实际上对这个 openai 的 这个 api 不是很兼容，就是因为它有一步是需要通过那个 jason 的 方式去严格用 jason 的 方式去返回数据，返回豹纹嘛。但是我测下来好像大部分大部分这些 呃国内模型它都不是很兼容，所以这边我就选用 android ap 来做演示， android ap 一 般都都兼容，所以这边需要呃 一个是需要在你的那个，在这个下下来这个项目的目录下去创建一个点 e m e 文件，但这个点 e m e 文件的话 啊，这边实际上也有视力，就是他在他这个项目上也有个视力，但是我的 e m e 文件，我我我不会贴出来，因为这边会设到一些账号密码，对吧？这边有个是你可以从这个视力文件里面另存为一个 e m e 文件，然后另存完之后呢，你就再去 呃关键的两个地方，一个是 on topic 的 api， 这边填填上你的 api key， 然后还有就是因为我们用的是那个 呃，不是 on topic 的 那个模型，用的是智普的模型或者其他的模型的话，这边还要填一个 on topic base url， 这边就填上你的那个呃，比如说你是用智普的话，你就填上智普的那一块那个接口的 url 就 可以了。 这一步好了，这一步要注意一下，这一步在官方的那个呃，官方的那个一张本，那个 emv， 一 张本文件里面是没有的，这要自己去填。如果是用国内的模型， 然后就是如果你要从零写一个视力的话，以字母为例，写一个视力的话，就是很简单，就是这这么几行代码，其中重要的就是这一块，这一块， 呃，这块模型名称官方的市里面一般都会用那个安卓 top 或者是 open ai 的 这个模型名称，但是因为我们现在我们这边用的是智普的，智普的那个模型嘛，所以这边要填智普的模型的那个名称，我们这边是填 gln 杠五点一，对吧？ 大概就是这么简单，然后这边可以给他 task， 这边可以给他呃，有做一个简单的提示词，也可以做一些复杂的提示词，所以这边看，你们自己看大家自己的那个目标，对吧？然后这边就是输入提示词，很简单。嗯，然后呢 也可以运行他那个，就像刚才运行他他的一些那些有界面的一些势力，然后他这边有提供 其他的势力，非常多，非常多，我这边有整理出来势力非常多，但是我这边不会没，没有时间说一个个给他讲下去。我们这边就是讲这种有这个 u i 界面的几个是会比较直观吗？对吧？他有提供三个， 三个是的，一个是用这个 grey， grey 的 这种这个去做界面的，这个做握握 u i 的 一个界面，这个就是我们刚才刚才演示的那个键面，对吧？用 grey 的， 然后这个的话，因为他 呃默认他没有装这些库，所以你要先装这个库，用 grey 的 话用用这个命令去装，先装这个库才能跑起来。然后第二个就是他用了另外一个虚拟，虚拟去做界面的这个 也也是也是类似的例子。这两个例子还有就是用了一个那个命令行，命令行，实际上这个就是直接在那个 输入命命令去调取这个，调取这个呃薄的右手的一个例子吧，就有 ui 界面就这三个例子，三个例子的话，呃，大家有兴趣可以下下来自己试一下，试一下。 呃，看一下这个效果，前提就是，但是，但是要注意就是这几个视力，他默认的是，默认他都是用的是那个呃 open ai， 或者是按照 topic 的 那个模型，所以这边要稍微改一下，就像上面这边稍微改一下，把这一个模型的名称稍微改一下就可以了。好，就像我们这边一样，我这边给大家看一下我这改的，刚才改了这个 呃国语的例子吧，就这一块，这一块它默认是用 openai， 用 open topic， 用 open topic， 它用 open topic 的 模型名称，就这一块要稍微改一下。好吧， 好，这就是一个，这就是那个 boris user 的 一个配置指南吧，这样我们就把那个呃 boris user 安装起来，并且可以应用它的一个视力了。 好，讲完配置指南，我们来简单看一下它的一个技术原理吧。技术原理这一块我们大概讲一下，因为这个技术原理实际上，嗯， 还是比较多的，它代码还是比较多的，我们来看一下它这个项目的话，项目的话它就是一个那个 icu， 一 部 ai 浏览器自动化库，对吧？它用的是那个 呃后端的代言模型，叫 c d b， 就是 那个昆仑浏览器的一个 c d b 协议，实现自主浏览器操作， 然后它关键的模块有下面几块，下面几块一个是 angel， angel 是 做任务编排 lrm 调用循环，一个是 bios c 卷做那个浏览器生命周期的浏览器生命周期 管理的还有一个就是 tools， 它内置有二十多种浏览器操作，然后它有一个特特点，就是它用了这个看门狗的方式去做一些自制的一个监控服务，然后还有一些 dom service， 就 做一些 dom 快 照啊或元素检测这些，还用 mess manager 来做一些消息构建以压缩。然后它的架构模式就是用事件驱动加一些消息构 建以压缩。然后它的架构模式就是用事件驱动加一些消息构建以压缩。然后它的架构模式就是用事件驱动加一些缓存的一个循环。 他这个循环的一个最主要的，最主要的步骤在这边就每一步的一个循环，就是先去 获取浏览器状态，然后然后去获取浏览器状态呢，就是去掉 r m 的 接口，大大模型的接口，获取他一些结构化输出。就这一步实际上就是通过模型去 去做，去去去去帮他规划出下一步的步骤，然后下一步步骤规划出来之后呢，就去执行他那个步骤，因为这步骤你们可以包含一些怎么调用 调用这个工具啊，然后一怎么去调用工具啊？怎么点页面，就在这个步骤里面，这时候就去呃，他的 n 九就是为执行这些步骤执行完之后他就会记录历史，然后去做一些检测，检测完之后， 然后他会保存一些日记，对吧？保存一些遥测的记录啊，就是这么一个循环吧，一步一步往下走一个循环，对，这就是他，他大概的一个技术原理。大概的技术原理我们这边，呃就简单说一下，呃，一些复杂的，我这边也有整理一些文档，但是这个文档 会比较多一些，对吧？在目录结构我们也可以简单看一下，一个是目录结构，目录还是比较多的，对吧？架构设计，还有一个他的一些那个核心运营机制都会比较 内容会比较多一些，我们这边就不细说了啊，这就是他的一个主要的一个内容，对吧？其实他这个步骤还是比较多的，这个就是实际上我们刚才说的那个主要的几个，呃，每个循环里面的一个主要步骤啊，这就是他的一个技术原理，我们就简单说一下就可以了。啊。 技术原理啊，技术原理讲完我们来呃看一下，就是我们，呃就有个思考想跟大家探讨，也就是思考就是，呃，就是现在这个浏览器 engine 存在的重要性，存在的重要性 就是因为当前我们一些通用的 engine， 比如说 cloud co 啊， open curl， 还有 hehehemes engine， 这些它是一样的配合浏览器 skier 呢？ 浏览器的 skier， 比如说 playride， ncp 啊，或者 android browser 的 skier 啊，它已经具备相当强的浏览器操控能力了，那它为什么还要为浏览器自动化设计一个 engine 呢？是否还有相应的一个价值呢？ 呃完这问题的答案呢，取决于我们如何去定义浏览器自动化的边界。如果仅仅是让 ai 能点击网页填写表单，那么实际上通用的 angerer 加 playwrite 这些 skill 确实已经够了， 但是如果我们要的是一些长期稳定、低成本的真实操作浏览器，去面对一些验证码呀，登录丢失，页面崩溃，弹窗干扰，就这样让他去稳定的操作浏览器的话，实际上 还是需要有一个专用的一个浏览器自动化的一个 engine 去做的，对吧？实际上它这等于是一个完全不同的工程挑战，对吧？ 然后我的这个，我的这我自己的总结就是是必要的，而且但是它定位需要去做一个调整，就是像 browser， user 这类的核心价值，它不在于是让呢 ai 能够操作浏览器， 嗯，对吧？这一点实际上通过 angerer 他 已经能做到了。通过一些通用的 angerer 已经能做到了。他的核心价值实际上在于构建一个专门为浏览器环境设计的一个硬性的基础设施。这基础设计实际上包括这面几点，一个是三束融合的动智能城，在这一点能让那个大模型能够更精确的理解 复杂页面的结构。还有就是一个那种看门口的这种透明状态的管理，就是这个状态管理对那个模型来说是透明的，就是这个是由 n 他 这个 n 九的基础设施去实现的，还就是循环检测以的以纠正式的纠，渐进式的一个纠正， 避免呢？那个 n 九的在复杂任务中会陷入死循环，就是你可以用通用的 n 九去试一下，去做一些比较复杂的，就类似于刚才我们那个抖音发视频这一块，它很容易去陷入一个死循环，比如说碰到验证码呀， 碰到验证码或者碰到一些嗯，要扫码的，这些它会陷入一个死循环，就是，然后还有 c、 d、 b 的 原生集成，就是不知道 user 它已经绕过了， 没有用这个 playy 的 这个 api 去做，它只自己去直接通过 cdbuse 这个方式去操作浏览器，可以更精确的一个操作浏览器。 还有就是长生命周期的管理，就是状态持久化、消息压缩、健康监控等。还有就是模型特地的优化，对吧？针对模型它可以写一些自己的一样，做一些泛泛的广泛的提示词，对吧？ 可以更精确的一个控制吧？就是就是说，大概就是说可以你用这个浏览器安全的可以做一些更精确的一个控制，对吧？更精确的控制啊，节省你的 token， 然后，呃， 做一些特定的优化吧。针对这个浏览器自动化可以做一些特定的优化。这这些东西细节方面，实际上你用通用 nt 加十 key 是 比较难实现的，我觉得是比较难实现的，对吧？ 就总的来说呢，这个这种像这种 bios 这种 nt 的 核心价值，它不在于让 ai 会点网页做一些简单的任务，而在于让 ai 能够长期稳定低成本的操作真实浏览器。 所以就是这，这也就是回答了我我们的一个思考的问题是有没有存在的必要？就是在现通用的 angel 的 已经这么强大了，然后 sky 也很丰富了，也没有必要再去做一个这个呃， 专门为浏览器自动化的一个 angel 的， 我自己认为是非常有必要的，对，是非常有必要的。好，这就是我们的一个简单的一个思考法，然后， 然后接下来最后步，就最后最后一章，就是我们要去看对这个视这期的视频做个总结，个预告嘛。然后这期视频我们实际上主要做了讲了以上四点，一个是效果展示，对吧？我们在那个 我电脑上展示一下，用 pro 又去改修改过的一个 pro user 的 一个 demo， 去做两个自动化的 浏览机器动物的操作，对吧？然后第一个就是配置指南，就是教大家怎么从野马去构建这个呃， boros， 第三个就这个技术原理，我大概讲了一下这个 boros 又是一个自动原理，然后就是这一节多了一个这个，这集视频多了一个地方，就是深一个思考，就是 既然有了这些通用的 enter 加 skier， 我 们还需要去做个做使用这种专用浏览器的 enter 去去做一些浏览器操作的自动化的事情吗？ 呃，其实是有必要的，总的来说是有必要的，对吧？啊，这是本期的视频的一个总结，那下期呢？我们因为这个 bios user 它已经提供有提供那个命令行跟 skier 的 方式去使用嘛，所以我们下期准备讲这个用 bios user skier 去提供给其他一些 angel 的 去操作对这个 browser user 的 一个那个内容吧。好，那这期视频就讲到这边，谢谢大家。