本文介绍了结合 Browser-Use 和 LightRAG 构建 AI 代理的方案。Browser-Use 允许 LLM 自动化操作浏览器进行网页抓取，LightRAG 通过图结构索引增强检索能力。文章详细阐述了两者原理，提供了基于 Python 的代码实现指南，涵盖环境配置、代理初始化、数据插入及多种搜索模式（简单、局部、全局、混合）的应用。该方案解决了传统 RAG 缺乏上下文的问题，适用于复杂信息查询场景。
在人工智能应用开发中，如何让大语言模型（LLM）更准确地获取外部信息并理解复杂关系是一个核心挑战。传统的检索增强生成（RAG）系统往往依赖扁平化的文本索引，缺乏对实体间深层关系的理解，导致回答碎片化。为了解决这一问题，结合 Browser-Use（浏览器自动化库）与 LightRAG（轻量级图检索生成系统）提供了一种高效的解决方案。
现有的 RAG 系统存在显著的局限性，主要包括：
Browser-Use 是一个开源的网页自动化库，允许大型语言模型（LLMs）执行诸如检查航班、搜索信息、总结热门帖子等任务。它通过简单的接口，使用户可以使 LLM 与网站交互并执行数据抓取和信息查询等任务。
主要特性包括：
LightRAG 是一个快速高效的信息检索和生成系统，旨在解决传统 RAG 系统的问题。它将图结构纳入数据索引和搜索，以克服限制，并提供高效且具有上下文的信息。
LightRAG 首先应用基于图的数据结构，在信息检索过程中对外部数据库中的实体及其关系进行预处理。该过程包括多个步骤：
通过这些步骤，LightRAG 不仅提取具有特定语义的实体，还加深了对抽象概念的理解，使系统在面对复杂问题时能够进行更准确的信息检索和生成。
LightRAG 搜索分为两个阶段：
这种双层次的方法允许平衡的信息检索，既捕捉具体事实，又展现更大的全局视野。
LightRAG 在效率、检索和处理复杂查询方面优于 GraphRAG。它使用双层检索系统，将令牌使用量大幅减少，仅需少量 API 调用，而传统 GraphRAG 可能需要大量令牌和多次调用。LightRAG 提供了更多样化的响应，有效捕捉特定和广泛的主题，并在复杂查询中表现出色。
在开始编码之前，我们需要创建一个理想的环境以便代码能够正常工作。首先，安装所需的 Python 库。
pip install browser-use langchain-openai lightrag python-dotenv
由于演示使用了 OpenAI 大模型，您必须首先设置 OpenAI API 密钥。建议将密钥存储在 .env 文件中。
我们将导入必要的模块，并使用 Controller 来管理和保持多个代理之间的浏览器状态。它允许代理共享浏览会话，保持 Cookie、会话和标签页的一致性。
from browser_use import Agent, Controller
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
import os
from lightrag.lightrag import LightRAG, QueryParam
from lightrag.llm import gpt_4o_mini_complete
import asyncio
# 加载环境变量
load_dotenv()
# 初始化控制器以保持浏览器状态
controller = Controller()
我们初始化代理，以通过在 Google 中搜索特定关键词来查找和提取信息。然后，我们使用 ChatOpenAI 模型来处理和分析与 controller 连接的内容。
# 初始化第一个浏览器代理
agent1 = Agent(
task="Go to google.com and find the article about Lora llm and extract everything about Lora",
llm=ChatOpenAI(model="gpt-4o", timeout=25, stop=None),
controller=controller
)
# 初始化第二个浏览器代理
agent2 = Agent(
task="Go to google.com and find the article Supervised llm and extract everything about Supervised Fine-Tuning",
llm=ChatOpenAI(model="gpt-4o", timeout=25, stop=None),
controller=controller
)
我们定义一个异步函数以实现任务的并发执行。我们将代理的最大步骤限制设置为 20，但可以根据需要调整。在每一步中，代理执行一个动作，结果包含该步骤的输出。如果任务完成，提取的内容将保存到文件中。
async def main():
max_steps = 20
# 逐步运行代理
for i in range(max_steps):
print(f'\n📍 步骤 {i+1}')
action, result = await agent1.step()
print('动作:', action)
print('结果:', result)
if result.done:
print('\n✅ 任务成功完成！')
print('提取的内容:', result.extracted_content)
# 将提取的内容保存到文本文件
with open('text.txt', 'w', encoding='utf-8') as file:
file.write(result.extracted_content)
print("提取的内容已保存到 text.txt")
break
if __name__ == "__main__":
asyncio.run(main())
主要步骤是使用必要的参数配置 LightRAG 实例。我们使用工作目录和轻量级 GPT-4o 模型作为默认语言模型进行初始化。
WORKING_DIR = "./dickens"
if not os.path.exists(WORKING_DIR):
os.mkdir(WORKING_DIR)
rag = LightRAG(
working_dir=WORKING_DIR,
llm_model_func=gpt_4o_mini_complete
)
我们从指定路径读取 text.txt 的内容，并使用 rag.insert() 将其插入 RAG 系统。
with open("text.txt", "r", encoding="utf-8") as f:
rag.insert(f.read())
接下来，我们可以对查询执行不同类型的搜索：
# 执行简单搜索
print(rag.query("what is Supervised Fine-Tuning", param=QueryParam(mode="naive")))
# 执行局部搜索
print(rag.query("what is Supervised Fine-Tuning", param=QueryParam(mode="local")))
# 执行全局搜索
print(rag.query("what is Supervised Fine-Tuning", param=QueryParam(mode="global")))
# 执行混合搜索
print(rag.query("what is Supervised Fine-Tuning", param=QueryParam(mode="hybrid")))
robots.txt 文件，确保未禁止爬虫访问。不仅仅是技术进步，LightRAG 和 Browser-Use 潜在地可以从根本上改变我们与信息的互动方式。它们提供更准确和全面的搜索能力、对复杂问题的精确回答，以及始终反映最新知识的响应。该方案结合了浏览器自动化的灵活性与图检索的深度理解能力，适用于教育、研究和商业等多个领域。未来，随着多模态能力的进一步增强，此类 AI 代理将在信息获取与分析方面发挥更大作用。
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
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
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