Cerebellum – 浏览器AI助手，完成网页自动化任务和行动规划-爱论文

Cerebellum是什么

Cerebellum是基于Claude 3.5 Sonnet和Selenium WebDriver构建的浏览器AI智能助手，能理解任务意图、执行网页自动化任务，如数据抓取和网站自动化测试。Cerebellum将网页浏览简化为有向图导航，用LLM分析页面内容和交互元素，智能规划行动路径，根据网页状态和历史操作动态调整策略。Cerebellum支持多浏览器，能精确模拟用户行为，适用于复杂的自动化场景。

Cerebellum的主要功能

图形导航：将网页浏览简化为有向图导航，每个网页被视为一个节点，用户操作（如点击或输入）作为节点间的边。节点发现：基于LLM（大型语言模型）分析页面内容，发现、识别新的网页节点。行动决策：基于当前网页状态和历史用户操作，智能决策下一步行动。多浏览器支持：兼容Chrome、Firefox、Safari和Edge等多种浏览器。用户行为模拟：精确模拟用户行为，如点击、输入等，适用于复杂的自动化场景。动态策略调整：接受运行时指令，根据实时反馈动态调整浏览策略和操作。表单填写：用用户提供的JSON数据自动填写网页表单。

Cerebellum的技术原理

网页模型化：将网页浏览过程模型化为一个有向图，每个网页是一个节点，用户操作是节点之间的连接边。LLM集成：集成大型语言模型（LLM），如Claude 3.5 Sonnet，分析网页内容和交互元素，识别和规划新的节点。状态分析：LLM根据当前网页状态和历史操作数据决定下一步的最佳行动。动作执行与反馈：Cerebellum执行LLM规划的操作，将操作后的新网页状态反馈给LLM，以便进行下一步的决策。目标导向：从起始网页出发，目标是到达代表任务完成的目标节点。自动化流程：用户设定目标，Cerebellum自动处理繁琐的脚本录制和执行，实现自动化任务。环境集成：与Selenium WebDriver紧密集成，基于Selenium的浏览器驱动能力实现跨浏览器的自动化操作。

Cerebellum的项目地址

GitHub仓库：https://github.com/theredsix/cerebellum

Cerebellum的应用场景

网站自动化测试：进行网页的功能性测试，自动化测试脚本的执行，确保网站或Web应用的各个功能按预期工作。数据抓取与分析：自动化从网页上抓取数据，用于市场研究、竞争对手分析或数据聚合服务。网页内容管理：管理网站内容，如自动更新文章、发布博客、管理用户评论等。电子商务：自动化处理订单、库存管理、价格比较和产品信息更新等任务。客户服务自动化：基于自动化聊天机器人或客户支持系统中的常见问题解答提升客户服务效率。