飞翔的智能体
@nengpao
过去大家看GPT、Claude操控浏览器，体验其实并不好，因为真的太慢了，中间还经常卡死。让大模型写一堆长篇大论去操作网页，本质上就是杀鸡用牛刀。
在网页上点按钮，本质上就是一个离散的多选题，根本不需要AI会写诗。JEV拿到DOM结构，以做分类题的速度毫秒级选出该点的元素，只有在需要打字输入时才偶尔回退给小模型。
黑客松冠军开发者gregpr07刚刚拿JEV做了个开源的微型浏览器Agent，让它自主打开网页查机票。整个过程耗时仅仅7秒，成本只要$0.0039（折合人民币不到3分钱）。作者特意注明：演示视频是1倍速，没有任何加速剪辑。
我昨天试了一下这个项目，把查询条件改成查酒店，整个流程确实很快。JEV负责识别页面元素和点击操作，大模型只在需要理解复杂语义时才介入，分工非常明确。
这种架构的好处是，把原来需要大模型全程参与的浏览器操作，变成了JEV做决策、大模型做补充的模式。速度提升了一个数量级，成本也降到了几乎可以忽略不计的程度。
对于需要批量抓取网页信息、自动化操作浏览器的场景，这个方案值得深入研究。尤其是那些对速度和成本都有要求的业务，JEV+Browser Use的组合可能是目前最优的解法。
项目地址：github.com/browser-use/je…
话题来源 @SUOHA_AI
142.4K阅读 ❤️911 x.com/…↗ 已改写，非原文转载
23 浏览 0 评论
0 反应
