LaVague是一款开源大语言模型框架，旨在实现自动化操作，特别是浏览器自动化操作。LaVague利用人工智能技术，通过自然语言查询生成网页自动化流程，并在浏览器上执行这些操作。它建立在开源项目的基础上，并利用本地或远程的开源模型，确保代理的透明性，同时确保与用户的利益保持一致。
特性：
- 自然语言处理：能够理解自然语言中的指令，以执行浏览器交互操作。
- Selenium集成：与Selenium无缝集成，实现网页浏览器的自动化。
- 开源：建立在诸如transformers和llama-index等开源项目之上，并利用本地或远程的开源模型，确保代理的透明性，同时确保其符合用户的利益。
- 隐私与控制的本地模型：支持诸如Gemma-7b等本地模型，使用户能够完全控制他们的AI助手，并确保隐私得到保障。
- 先进的AI技术：首先使用本地嵌入（bge-small-en-v1.5）执行RAG（检索增强生成）以提取与查询最相关的HTML片段，因为直接处理完整的HTML代码可能不适合上下文。然后利用Few-shot learning（少量样本学习）和Chain of Thought（思维链）来生成最相关的Selenium代码以执行操作，而无需为代码生成微调LLM（Nous-Hermes-2-Mixtral-8x7B-DPO）。
0条评论