AI-Employe

收录理由

这个项目把浏览器自动化带到了另一个思路上：你不需要手写选择器和等待条件，只要用自然语言描述任务，GPT-4 Vision 就会通过浏览器扩展和 Rust 后端来执行点击和输入。它最值得借鉴的地方在于绕开了视觉智能体常见的“猜坐标”问题——系统先把页面的 DOM 索引到 MeiliSearch 里，让模型根据可见文本来定位元素，从而减少幻觉操作。同时，它还会观察你在演示工作流时对 DOM 做的改动，把这些操作反馈到提示词中，防止模型中途跑偏。对于想自己搭建浏览器智能体或尝试 RPA 风格自动化的团队来说，这是一个很好的参考实现。不过要跑起来，你需要自己配置 Firebase、Postgres 和 MeiliSearch 这些依赖。