Open source版嘅ComputerUse/Operator

可以用其他visual model (OpenAI/Anthropic以外，例如Google Gemini，又或者Qwen 2.5 72B VLM)去自動控制你個browser

GitHub link:
https://github.com/browser-use/web-ui

示範：
https://www.reddit.com/r/LocalLLaMA/s/sYoNH0Xs0C

以後唔識programming都可以自動上網搶飛

Browse-use先係個underlying library
之前research過 我記得做一個普通objective都燒好多錢 (用GPT) 而且無得cache個action 所以下次做同一樣野又要prompt個LLM
佢地個approach似乎係highlight每一個可以interact既HTML element 之後比LLM簡邊個先可以邁向目標
好彩既話 用LLM本身既planning已經足夠
唔好彩既話會塞死左 甚至入左loop
MultiOn果d 用RL去train個LLM去plan

原來我冇打到個library 名
多謝補充