browser-use

活跃

GitHub Python MIT

简介

browser-use 提供浏览器自动化 Agent 能力，让 LLM 可以理解页面并执行复杂网页操作。

开源的跨平台计算机使用智能体，支持在 Windows、macOS、Ubuntu 和 Android 环境中操作 GUI 界面，ICLR 2026 Oral 论文项目。

开源 Computer-Use-Agent，支持通过自然语言指令自动操作计算机图形界面，实现桌面环境的智能体自动化交互。

首个开源的通用 GUI 自动化智能体框架，通过自然语言完全操控图形界面，利用思维可视化与链式推理实现空间感知与 HID 交互模拟。

AI 驱动的 PPT 生成工具，从任意文档自动生成原生可编辑的 PPTX 文件，输出真正的 PowerPoint 图形元素而非图片。

从裸 Playwright 到结构化提取，拆解三层浏览器自动化抽象的适用场景、生产模式和常见踩坑。

详解 browser-use 在网页任务自动化中的优势与限制，并给出稳定执行和失败恢复策略。