说句话就能让AI替你操作浏览器？这个开源框架有点东西

想让 AI 自动化操作浏览器，却厌倦了写 XPath 和等待元素加载？LaVague 可能就是你苦等的那个答案。

它是什么

LaVague（Large Action Model framework）是一个开源的 AI Web 自动化框架，核心理念很简单——把自然语言指令直接”编译”成浏览器操作代码。你说”帮我填这个表单并提交”，它就能自动完成导航、点击、输入、滚动等一系列动作。

背后有两套核心机制在协作：世界模型（World Model）负责理解你的目标和当前页面状态，生成高层指令；行动引擎（Action Engine）把这些指令通过 RAG 和思维链编译成 Selenium 或 Playwright 的可执行代码，驱动真实浏览器。

为什么值得关注

传统自动化工具（Selenium/Playwright）本质上还是编程，需要你写死选择器、写等待逻辑。LaVague 把这个门槛彻底降到了自然语言——产品经理、运营、HR 这些非技术人员也能用。

而且它不是”玩具级”的 AI 自动化。项目支持 Selenium Webdriver、Playwright Webdriver 和 Chrome 扩展三种驱动方式，iframe 处理、高亮元素、多标签操作都有完整支持。

谁适合用

• 需要批量处理表单投递、网页数据抓取的运营人员
• 想让 AI 帮你做 Web QA 测试的 QA 工程师
• 任何需要”AI 操作网页”场景的开发者

怎么用

安装很简单，支持 pip 和 uv：

pip install lavague
# 或
uv pip install lavague

然后写 Python 代码：

from lavague import Agent

agent = Agent()
agent.run("Go to Google and search for 'LaVague AI'")

GitHub 链接

https://github.com/lavague-ai/LaVague

GitHub: https://github.com/lavague-ai/LaVague