PythonAI
browser-use + web-ui 大模型实现自动操作浏览器
browser-use web-ui 是基于 AI Agent 的浏览器自动化工具，提供可视化界面与大模型集成。教程涵盖 uv 环境搭建、项目依赖安装、Chrome 及大模型 API（DeepSeek/Ollama）配置方法。演示了内置浏览器与本地浏览器两种操作模式，支持深度搜索生成文档。通过 Cookie 配置可实现免登录，核心原理为网页元素编号后由 AI 决策执行动作，适用于自动化测试及任务规划。
browser-use web-ui 是基于 AI Agent 的浏览器自动化工具，提供可视化界面与大模型集成。教程涵盖 uv 环境搭建、项目依赖安装、Chrome 及大模型 API（DeepSeek/Ollama）配置方法。演示了内置浏览器与本地浏览器两种操作模式，支持深度搜索生成文档。通过 Cookie 配置可实现免登录，核心原理为网页元素编号后由 AI 决策执行动作，适用于自动化测试及任务规划。
browser-use 主要作用是将 AI Agent 与浏览器连接起来，从而实现由 AI 驱动的浏览器自动化。
browser-use web-ui 功能点：
browser-use 与 web-ui 关系：
想象 Browser Use 是一个'网页翻译官'：当 AI 需要操作网页时（比如自动订票），传统方法是让 AI'看截图'找按钮，但截图就像一张复杂照片，AI 需要花时间辨认。Browser Use 的解决方案是：把网页变成一份'元素清单'，比如'第 1 个是登录按钮，第 8 个是搜索框……'。AI 只需根据清单编号，快速找到对应位置并点击，就像按菜单点菜一样简单。Web-UI 则是这个翻译官的'操作面板'：普通用户不用写代码，直接在网页上选择任务（如'帮我搜机票'），选好 AI 模型（比如 ChatGPT），点击运行就能看到浏览器自动执行所有步骤，还能录屏回放操作过程。
python 版本必须在 3.11 以上。这里主要演示 Mac 如何搭建，Windows 也是类似的操作。
# 官方推荐使用 uv 管理
brew install uv
# 从 github 拉取项目
git clone https://github.com/browser-use/web-ui.git
cd web-ui
# 搭建该项目的 python 虚拟环境，这里 python 环境使用 3.11
uv venv --python 3.11
# 初始化虚拟环境配置
source .venv/bin/activate
# 安装 python 依赖
uv pip install -r requirements.txt
## 安装浏览器依赖，大家根据自己情况选择即可
# 仅安装 Chrome 依赖
playwright install --with-deps chromium
# 安装所有浏览器依赖
playwright install
这里也可以使用本地通过 ollama 配置的大模型，比如 Deepseek r1-14b
# 拷贝示例配置文件
copy .env.example .env
# 1. 配置浏览器位置：CHROME_PATH。这里以 chrome 为例
CHROME_PATH="/Applications/Google Chrome.app/Contents/MacOS/Google Chrome"
# 2. 配置浏览器用户数据
CHROME_USER_DATA="/Users/你自己的用户名/Library/Application Support/Google/Chrome"
# 3. 配置大模型 API 参数【我这里使用 Deepseek】
DEEPSEEK_ENDPOINT=https://api.deepseek.com
DEEPSEEK_API_KEY=xxxx # 这里也可以使用本地通过 ollama 配置的大模型
OLLAMA_ENDPOINT=http://localhost:11434
# 运行项目
python webui.py --ip 127.0.0.1 --port 7788
配置模型类型：
配置浏览器参数：
输入指令，然后点击运行
在主界面，上方的设置导航中选择 Agent Settings，如果你本地部署的大模型不支持视觉识别，可以把这个使用视觉【Use Vision】取消勾选，不然后续让 AI 执行任务时会报错。我这里支持，因此我勾选后，浏览器页面出现如下：
该项目原理就是将浏览器页面上所有的元素都标记下来（打上编号），然后把元素编号以及元素代表的含义，告诉 AI，由 AI 来判断用户需求需要操作哪些元素，然后调用 API 去操作对应元素。
控制台成功输出结果：
即：使用我们在.env 配置的本地浏览器 注意：使用本地 Chrome 浏览器时，需要把自己本地 Chrome 浏览器关闭，由 AI 去打开。
查看控制台日志，也正常拆解并完成了任务
最后页面效果：
大模型已经识别到了我们的需求，并开始操作浏览器元素：
比如我们这里输入自己的要求
打开本地浏览器开关
可以看到效果还是挺不错的，只要模型好，这里可玩性还是挺高的。比如：针对页面操作实现自动化测试等
提出需求，最后会根据我们的需求，输出一个文档，适合做旅游规划，周报日报等。会默认进行三次的深度查找，最后把查找到的结果输出一个 md 文档
最后会给我们一个可下载的 Markdown 文档
模型会查询网上内容
这里让模型帮我们做一个旅游规划
我们可以通过使用自己的浏览器，然后配置上对应的 cookie 信息，实现免登录浏览器插件安装 edit cookies（或其他 cookie 管理插件）导出 cookie 信息重新运行项目，同时使用自己本地的浏览器，就可以看到我们浏览器访问某些页面时是登录状态了
web-ui.py 文件中添加 cookie 信息
for 循环调用执行器，直到任务最终完成
分析完后，操作页面元素，执行对应动作，搜索框输入文字，点击对应按钮等
将任务拆分为具体的动作，比如通过百度打开咪咕视频，浏览器需要在搜索栏输入百度网址，然后输入框输入咪咕视频，并点击搜索
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online