LaVague

ยินดีต้อนรับสู่ Lavague

กรอบโมเดลแอ็คชั่นขนาดใหญ่สำหรับการพัฒนาตัวแทนเว็บ AI

Lavague: Web Agent Framework สำหรับผู้สร้าง

LaVague เป็นเฟรมเวิร์กโอเพนซอร์ซที่ออกแบบมาสำหรับนักพัฒนาที่ต้องการสร้างตัวแทนเว็บ AI เพื่อดำเนินการโดยอัตโนมัติสำหรับผู้ใช้ปลายทาง

ตัวแทนเว็บของเราสามารถทำตามวัตถุประสงค์เช่น "ขั้นตอนการติดตั้งการพิมพ์สำหรับการกอดไลบรารี diffusers ของใบหน้า" และสร้างและดำเนินการตามที่จำเป็นเพื่อให้บรรลุวัตถุประสงค์

ตัวแทน Lavague ประกอบด้วย:

• โมเดลโลกที่ใช้วัตถุประสงค์และสถานะปัจจุบัน (หรือที่เรียกว่าหน้าเว็บปัจจุบัน) และส่งออกชุดคำสั่งที่เหมาะสม
• เอ็นจิ้นแอ็คชั่นที่“ รวบรวม” คำแนะนำเหล่านี้เป็นรหัสการดำเนินการเช่นซีลีเนียมหรือนักเขียนบทละครและดำเนินการตามคำแนะนำ

Lavague QA: เครื่องมือเฉพาะสำหรับวิศวกร QA

- สร้างขึ้นบน LaVague

Lavague QA เป็นเครื่องมือที่เหมาะสำหรับวิศวกร QA ที่ใช้ประโยชน์จากกรอบของเรา

ช่วยให้คุณสามารถทำการทดสอบการทดสอบโดยอัตโนมัติโดยเปลี่ยนสเป็คของ Gherkin ให้เป็นการทดสอบที่ง่ายต่อการรวมเข้าด้วยกัน LaVague QA เป็นโครงการที่ใช้ประโยชน์จากเฟรมเวิร์ก Lavague เบื้องหลังเพื่อให้การทดสอบเว็บมีประสิทธิภาพมากขึ้น 10 เท่า

สำหรับข้อมูลโดยละเอียดและคำแนะนำการตั้งค่าโปรดไปที่เอกสาร Lavague QA

เริ่มต้น

การสาธิต

นี่คือตัวอย่างของวิธีการที่ LaVague สามารถทำหลายขั้นตอนเพื่อให้บรรลุวัตถุประสงค์ของ "ไปบน Quicktour of Peft"::

ตรงไปตรงมา

คุณสามารถทำได้ด้วยขั้นตอนต่อไปนี้:

1. ดาวน์โหลด Lavague ด้วย:

pip install lavague

2. ใช้เฟรมเวิร์กของเราเพื่อสร้างตัวแทนเว็บและใช้วัตถุประสงค์:

 from lavague . core import  WorldModel , ActionEngine
from lavague . core . agents import WebAgent
from lavague . drivers . selenium import SeleniumDriver

selenium_driver = SeleniumDriver ( headless = False )
world_model = WorldModel ()
action_engine = ActionEngine ( selenium_driver )
agent = WebAgent ( world_model , action_engine )
agent . get ( "https://huggingface.co/docs" )
agent . run ( "Go on the quicktour of PEFT" )

# Launch Gradio Agent Demo
agent . demo ( "Go on the quicktour of PEFT" )

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวอย่างนี้และวิธีการใช้ Lavague ให้ดู Tour Quick ของเรา

หมายเหตุตัวอย่างเหล่านี้ใช้การกำหนดค่า OpenAI API เริ่มต้นของเราและคุณจะต้องตั้งค่าตัวแปร OpenAI_APIGKEY ในสภาพแวดล้อมท้องถิ่นของคุณด้วยคีย์ API ที่ถูกต้องเพื่อให้สิ่งเหล่านี้ทำงานได้

สำหรับตัวอย่างต้นถึงปลายทางของ LaVague ใน Google Colab โปรดดูสมุดบันทึก Tour Quick Tour ของเรา

คุณสมบัติที่สำคัญ

• ✅บริบทในตัว (aka. การกำหนดค่า)
• ✅การกำหนดค่าที่ปรับแต่งได้
• ✅นักวิ่งทดสอบสำหรับการทดสอบและการเปรียบเทียบประสิทธิภาพของ lavague
• ตัวนับโทเค็นสำหรับการประเมินการใช้โทเค็นและค่าใช้จ่าย
• ✅เครื่องมือการบันทึก
• ✅อินเทอร์เฟซ GradeIO แบบโต้ตอบเสริม
• ✅เครื่องมือแก้จุดบกพร่อง
• ✅การขยายโครเมี่ยม

ไดรเวอร์ที่รองรับ

เรารองรับสามตัวเลือกไดรเวอร์:

• selenium webdriver
• นักเขียนบทละคร WebDriver
• ไดรเวอร์ส่วนขยายโครเมี่ยม

โปรดทราบว่าไม่ใช่ไดรเวอร์ทั้งหมดที่รองรับคุณสมบัติตัวแทนทั้งหมด:

คุณสมบัติ	ซีลีเนียม	นักเขียนบทละคร	ส่วนขยายโครเมี่ยม
ตัวแทนที่ไม่มีหัว			N/A
จัดการ iframes
เปิดแท็บหลายแท็บ
ไฮไลต์องค์ประกอบ

✅สนับสนุน
⏳เร็ว ๆ นี้
ไม่รองรับ

- สนับสนุน

หากคุณกำลังประสบปัญหาใด ๆ ที่เริ่มต้นด้วย Lavague คุณสามารถ:

• ตรวจสอบคู่มือการแก้ไขปัญหาของเราที่เราแสดงรายการข้อมูลและแก้ไขสำหรับปัญหาทั่วไป
• การเปิดปัญหา GitHub ที่อธิบายปัญหาของคุณ
• ส่งข้อความถึงเราใน '#Support Channel' บนเซิร์ฟเวอร์ Discord ของเรา

- การบริจาค

เราจะรักความช่วยเหลือและการสนับสนุนของคุณในการแสวงหาของเราเพื่อสร้างรูปแบบแอ็คชั่นขนาดใหญ่ที่แข็งแกร่งและเชื่อถือได้สำหรับเว็บอัตโนมัติ

เพื่อหลีกเลี่ยงการมีหลายคนที่ทำงานในสิ่งเดียวกันและไม่สามารถรวมงานของคุณได้เราได้ระบุกระบวนการสนับสนุนดังต่อไปนี้:

1. - เราร่างงานโดยใช้ GitHub issues : เราขอแนะนำให้ตรวจสอบปัญหาเกี่ยวกับฉลาก help-wanted และความ good first issue
2. ? ‍♀ หากคุณสนใจที่จะทำงานหนึ่งในงานเหล่านี้แสดงความคิดเห็นเกี่ยวกับปัญหา!
3. - เราจะหารือกับคุณและมอบหมายงานให้คุณด้วยป้ายกำกับ community assigned
4. จากนั้นเราจะพร้อมที่จะหารือเกี่ยวกับงานนี้กับคุณ
5. ⬆คุณควรส่งงานของคุณเป็น PR
6. ✅เราจะตรวจสอบและรวมรหัสของคุณหรือร้องขอการเปลี่ยนแปลง/ให้ข้อเสนอแนะ

โปรดตรวจสอบ contributing guide ของเราสำหรับรายละเอียดเพิ่มเติม

️แผนงาน

เพื่อให้ทันสมัยอยู่เสมอกับงานของเราที่ทำงานที่นี่

- ค่าใช้จ่ายในการเรียกใช้ตัวแทนราคาเท่าไหร่?

LaVague ใช้ LLMS (โดยค่าเริ่มต้นของ gpt4-o ของ OpenAI แต่สามารถปรับแต่งได้อย่างสมบูรณ์) ภายใต้ประทุน

ค่าใช้จ่ายของการโทร LLM เหล่านี้ขึ้นอยู่กับ:

• รุ่นที่เลือกให้เรียกใช้เอเจนต์ที่กำหนด
• ความซับซ้อนของวัตถุประสงค์
• เว็บไซต์ที่คุณมีปฏิสัมพันธ์กับ

โปรดดูเอกสารเฉพาะของเราเกี่ยวกับการนับจำนวนโทเค็นและการประมาณค่าใช้จ่ายเพื่อเรียนรู้วิธีการติดตามโทเค็นทั้งหมดและประเมินค่าใช้จ่ายสำหรับการใช้งานตัวแทนของคุณ

- การรวบรวมข้อมูล

เราต้องการสร้างชุดข้อมูลที่ชุมชน AI สามารถใช้เพื่อสร้างโมเดลแอ็คชั่นขนาดใหญ่ที่ดีกว่าสำหรับตัวแทนเว็บที่ดีขึ้น คุณสามารถดูงานของเราได้ในการสร้างชุดข้อมูลชุมชนในหน้า BigAction HuggingFace ของเรา

นี่คือเหตุผลที่ LaVague รวบรวม telemetry ข้อมูลผู้ใช้ต่อไปนี้โดยค่าเริ่มต้น:

• ติดตั้ง Lavague เวอร์ชัน
• รหัส / รายการการกระทำที่สร้างขึ้นสำหรับแต่ละขั้นตอนการดำเนินการทางเว็บ
• การกระทำที่ผ่านมา
• "การสังเกต" (วิธีที่ใช้ในการตรวจสอบหน้าปัจจุบัน)
• LLM ใช้ (เช่น GPT4)
• Multi Modal LLM ใช้ (เช่น GPT4)
• ID ผู้ใช้ที่ไม่ระบุชื่อที่สร้างขึ้นแบบสุ่ม
• ไม่ว่าคุณจะใช้คำสั่ง CLI (ตัวอย่างเช่น Lavague-Qa), การสาธิต Gradio หรือห้องสมุดของเราโดยตรง
• วัตถุประสงค์ที่ใช้
• ห่วงโซ่แห่งความคิดเกี่ยวกับตัวแทน
• โซนโต้ตอบบนหน้า (กล่องขอบเขต)
• ขนาดวิวพอร์ตของเบราว์เซอร์ของคุณ
• ขั้นตอนปัจจุบัน
• คำสั่งที่สร้างขึ้นและเครื่องยนต์ปัจจุบันที่ใช้
• ค่าใช้จ่ายโทเค็นและการใช้งาน
• URL ที่คุณดำเนินการ
• ไม่ว่าการกระทำจะล้มเหลวหรือประสบความสำเร็จ
• ข้อมูลที่ใช้พิเศษที่ระบุไว้
• ข้อความแสดงข้อผิดพลาดที่เกี่ยวข้อง
• โหนดต้นทาง (ชิ้นส่วนของรหัส HTML ที่ดึงมาจากหน้าเว็บเพื่อดำเนินการนี้)

ระวังที่จะไม่รวมข้อมูลส่วนบุคคลในวัตถุประสงค์ของคุณและข้อมูลผู้ใช้เพิ่มเติม หากคุณตั้งใจจะรวมข้อมูลส่วนบุคคลในวัตถุประสงค์/ข้อมูลผู้ใช้เพิ่มเติมขอแนะนำให้ปิด telemetry

ปิด telemetry ทั้งหมด

หากคุณต้องการปิด telemetry ทั้งหมดคุณควรตั้งค่าตัวแปรสภาพแวดล้อม LAVAGUE_TELEMETRY เป็น "NONE"

สำหรับคำแนะนำเกี่ยวกับวิธีการตั้งค่าตัวแปรสภาพแวดล้อม LAVAGUE_TELEMTRY ของคุณดูคำแนะนำของเราที่นี่