將人工智慧代理連接到網路:開發者的旅程和電腦使用的興起
過去兩年人工智慧代理開發的一個主要障礙是可靠地授予網路存取權限。 考慮一個旨在發送電子郵件的 AI 代理:如何將其連接到 Gmail 或 Outlook? API、網站或自治網路代理?本文探討了各種方法。
API 和 SDK:有限的方法
許多開發人員使用 API 和 SDK。這提供了低延遲和強大的身份驗證,但存在限制:
- API 不可用:並非所有 Web 服務都提供 API。
- 文件挑戰:過時或寫得不好的文檔很常見。
- 功能差距: API 通常缺乏對應網站的完整功能,從而阻礙特定任務。
幸運的是,有幾個服務提供 API 呼叫函式庫:
- Composio:提供人工智慧代理具有強身份驗證的工具。
- Langchain 工具:Langchain/圖代理的資源。
- Apify:一個龐大的社群驅動的 API 函式庫。
但是,為了實現通用 Web 服務訪問,我們必須超越 API。
網站互動:人性化的方法
可靠的人工智慧代理網站互動可實現任何基於網路的人工任務的自動化。 但如何呢?
許多開發人員最初使用 Selenium 或 Playwright 等瀏覽器測試框架。 然而,這種方法面臨挑戰:
- 脆弱性:網站變更(例如 A/B 測試)很容易破壞腳本。
- 可偵測性:測試瀏覽器很容易辨識和阻止。
- 生產部署:託管瀏覽器、管理身份驗證和輪換代理在生產中非常複雜。
為了解決這些問題,我們嘗試了一個瀏覽器 SDK:
- 使用自然語言選擇器(例如,
get_element("find the login button")
)而不是脆弱的 CSS 選擇器。 - 整合內建身份驗證。
- 提供預先配置的遠端託管和內建旋轉代理程式以防止阻塞。
這項工作現已開源(Dendrite SDK),不再處於積極開發階段,但仍可供研究和改編。 類似的替代方案包括:
- AgentQL:Python 函式庫。
- 舞台工作人員: JavaScript/TypeScript 函式庫。
電腦使用:網路人工智慧代理的未來?
Rich Sutton 的「慘痛教訓」強調了可透過運算增加進行擴展的通用人工智慧解決方案的主導地位。 Anthropic的Computer Use體現了這項原則,允許法學碩士使用滑鼠和鍵盤輸入直接控制電腦/瀏覽器,無需腳本和API呼叫。 他們的方法強調通用電腦技能而不是特定任務的工具。這與痛苦的教訓完美契合,表明最通用的人工智慧代理將像人類一樣直接與網路互動。 早期結果顯示,使用精心設計的提示(通常透過 Anthropic 的提示改進器來增強)在複雜任務中具有很高的可靠性。
結論:擁抱未來
雖然 API 仍然有價值,但未來可能有利於大多數 AI 代理程式使用類似電腦的方法。 如果代理可以登入並使用網站的搜尋功能,從熱門結果中提取結論,為什麼還要透過 API 依賴整個資料庫? 人工智慧開發人員面臨的問題是否接受這種通用方法,還是面臨更專業方法的限制。
注意:這是我的第一個開發貼文。 歡迎提供有關改進未來貼文的回饋。 也鼓勵提出有關人工智慧代理或人工智慧驅動的任務自動化的問題。
以上是如何建立可以使用任何網站的人工智慧代理的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Linux終端中查看Python版本時遇到權限問題的解決方法當你在Linux終端中嘗試查看Python的版本時,輸入python...

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途

本文指導Python開發人員構建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等庫詳細介紹,強調輸入/輸出處理,並促進用戶友好的設計模式,以提高CLI可用性。


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

ZendStudio 13.5.1 Mac
強大的PHP整合開發環境

SublimeText3 Linux新版
SublimeText3 Linux最新版

MantisBT
Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

Atom編輯器mac版下載
最受歡迎的的開源編輯器

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),