Unduh LaVague - Unduh Kode Sumber LaVague

LaVague

Kode sumber lainnya

1.0.0

Unduh

Selamat datang di Lavague

Kerangka kerja model aksi besar untuk mengembangkan agen web AI

Lavague: Kerangka kerja agen web untuk pembangun

Lavague adalah kerangka kerja sumber terbuka yang dirancang untuk pengembang yang ingin membuat agen web AI untuk mengotomatisasi proses untuk pengguna akhir mereka.

Agen web kami dapat mengambil tujuan, seperti "Cetak Langkah Instalasi untuk Memeluk Perpustakaan Diffusers Face," dan menghasilkan dan melakukan tindakan yang diperlukan untuk mencapai tujuan.

Agen lavague terdiri dari:

Model dunia yang mengambil tujuan dan keadaan saat ini (alias halaman web saat ini) dan menghasilkan serangkaian instruksi yang sesuai.
Mesin aksi yang “mengkompilasi” instruksi ini ke dalam kode tindakan, misalnya, selenium atau penulis naskah & mengeksekusinya

Lavague QA: Perkakas khusus untuk insinyur QA

? Dibangun di atas lavague

Lavague QA adalah alat yang disesuaikan untuk insinyur QA yang memanfaatkan kerangka kerja kami.

Ini memungkinkan Anda untuk mengotomatisasi penulisan tes dengan mengubah spesifikasi gherkin menjadi tes yang mudah diintegrasikan. Lavague QA adalah proyek yang memanfaatkan kerangka kerja lavague di belakang layar untuk membuat pengujian web 10x lebih efisien.

Untuk informasi terperinci dan instruksi pengaturan, kunjungi dokumentasi QA Lavague.

Memulai

Demo

Berikut adalah contoh bagaimana lavague dapat mengambil beberapa langkah untuk mencapai tujuan "pergi pada quicktour of peft":

Demo untuk agen

Tangan di atas

Anda dapat melakukan ini dengan langkah -langkah berikut:

Unduh lavague dengan:

pip install lavague

Gunakan kerangka kerja kami untuk membangun agen web dan mengimplementasikan tujuannya:

 from lavague . core import  WorldModel , ActionEngine
from lavague . core . agents import WebAgent
from lavague . drivers . selenium import SeleniumDriver

selenium_driver = SeleniumDriver ( headless = False )
world_model = WorldModel ()
action_engine = ActionEngine ( selenium_driver )
agent = WebAgent ( world_model , action_engine )
agent . get ( "https://huggingface.co/docs" )
agent . run ( "Go on the quicktour of PEFT" )

# Launch Gradio Agent Demo
agent . demo ( "Go on the quicktour of PEFT" )

Untuk informasi lebih lanjut tentang contoh ini dan cara menggunakan Lavague, lihat Tour-Tour kami.

Catatan, contoh -contoh ini menggunakan konfigurasi API OpenAI default kami dan Anda perlu mengatur variabel openai_api_key di lingkungan lokal Anda dengan kunci API yang valid agar ini berfungsi.

Untuk contoh lavague ujung ke ujung dalam Google Colab, lihat buku catatan cepat kami

Fitur utama

✅ Konteks bawaan (alias. Konfigurasi)
✅ Konfigurasi yang dapat disesuaikan
✅ Pelari uji untuk menguji dan membandingkan kinerja lavague
✅ Penghitung token untuk memperkirakan penggunaan dan biaya token
✅ Alat logging
✅ Antarmuka gradio interaktif opsional
✅ Alat debugging
✅ Ekstensi Chrome

Pengemudi yang didukung

Kami mendukung tiga opsi driver:

Selenium webdriver
Webdriver Playwright
Driver ekstensi krom

Perhatikan bahwa tidak semua pengemudi mendukung semua fitur agen:

Fitur	Selenium	Dramawan	Ekstensi Chrome
Agen tanpa kepala	✅	⏳	N/a
Tangani iframe	✅	✅
Buka beberapa tab	✅	⏳	✅
Sorotan elemen	✅	✅	✅

✅ didukung
⏳ Segera hadir
tidak didukung

? Mendukung

Jika Anda mengalami masalah memulai dengan Lavague, Anda dapat:

Lihatlah Panduan Pemecahan Masalah kami di mana kami mencantumkan informasi dan perbaikan untuk masalah umum.
Membuka masalah github yang menggambarkan masalah Anda
Mengirim pesan kepada kami di 'saluran dukungan' di server Discord kami

? Berkontribusi

Kami akan menyukai bantuan dan dukungan Anda dalam pencarian kami untuk membangun model aksi besar yang kuat dan andal untuk otomatisasi web.

Untuk menghindari banyak orang yang bekerja pada hal -hal yang sama & tidak dapat menggabungkan pekerjaan Anda, kami telah menguraikan proses kontribusi berikut:

? Kami menguraikan tugas menggunakan GitHub issues : kami sarankan untuk memeriksa masalah dengan label good first issue help-wanted & bagus
? ‍️ Jika Anda tertarik untuk mengerjakan salah satu tugas ini, komentari masalahnya!
? Kami akan berdiskusi dengan Anda dan menugaskan Anda tugas dengan label community assigned
Kami kemudian akan tersedia untuk membahas tugas ini dengan Anda
⬆️ Anda harus mengirimkan pekerjaan Anda sebagai PR
✅ Kami akan meninjau & menggabungkan kode Anda atau meminta perubahan/memberikan umpan balik

Silakan periksa contributing guide kami untuk detail lebih lanjut.

? Roadmap

Untuk tetap mendapatkan up to date dengan backlog proyek kami di sini.

? Berapa biaya untuk menjalankan agen?

Lavague menggunakan LLMS, (secara default gpt4-o Openai, tetapi ini sepenuhnya dapat disesuaikan), di bawah kap.

Biaya panggilan LLM ini tergantung pada:

model yang dipilih untuk menjalankan agen yang diberikan
kompleksitas tujuan
Situs web yang berinteraksi dengan Anda.

Silakan lihat dokumentasi khusus kami tentang penghitungan token dan estimasi biaya untuk mempelajari bagaimana Anda dapat melacak semua token dan memperkirakan biaya untuk menjalankan agen Anda.

? Pengumpulan data

Kami ingin membangun dataset yang dapat digunakan oleh komunitas AI untuk membangun model aksi besar yang lebih baik untuk agen web yang lebih baik. Anda dapat melihat pekerjaan kami sejauh ini dalam membangun kumpulan data komunitas di halaman Bigaction Huggingface kami.

Inilah sebabnya mengapa Lavague mengumpulkan telemetri data pengguna berikut secara default:

Versi lavague terpasang
Kode / daftar tindakan yang dihasilkan untuk setiap langkah tindakan web
Tindakan masa lalu
"Pengamatan" (metode yang digunakan untuk memeriksa halaman saat ini)
LLM digunakan (yaitu GPT4)
Multi Modal LLM Digunakan (yaitu GPT4)
ID pengguna anonim yang dihasilkan secara acak
Apakah Anda menggunakan perintah CLI (lavague-QA misalnya), demo gradio atau perpustakaan kami secara langsung.
Tujuan yang digunakan
Rantai pemikiran tentang agen
Zona interaksi pada halaman (kotak pembatas)
Ukuran viewport browser Anda
Langkah saat ini
Instruksi yang dihasilkan & mesin saat ini digunakan
Biaya & Penggunaan Token
URL yang Anda lakukan
Apakah tindakan itu gagal atau berhasil
Data tambahan yang digunakan ditentukan
Pesan kesalahan, jika relevan
Node sumber (potongan kode HTML diambil dari halaman web untuk melakukan tindakan ini)

Berhati -hatilah untuk tidak pernah memasukkan informasi pribadi dalam tujuan Anda dan data pengguna tambahan. Jika Anda bermaksud memasukkan informasi pribadi dalam tujuan/data pengguna tambahan Anda, sangat disarankan untuk mematikan telemetri.