DeepSeek与浏览器自动化AI Agent构建指南

Deepseek Harness实战:AI控制浏览器完成网页总结与Agent闭环 大语言模型不只是文本生成工具,更应具备动手操作真实网页的能力。浏览器自动化作为AI Agent落地的关键场景,正在替代高维护成本的爬虫与自动化脚本。当模型通过工具调用(Tool Calling)将计划转化为实际动作时,CDP协议与Playwright提供了可靠的控制通道,从而让“AI接管浏览器”成为可能。基于Deepseek Harness所代表的Agent执行框架,开发者可以快速构建一个最小可运行的浏览器Agent:从自然语言任务出发,模型自主决定打开页面,提取内容,再总结回答。此类技术已广泛应用于信息摘 阅读详情

文章使用到的模型可以用硅基流动中的:
注册链接:硅基流动统一登录

邀请码:FytHp9Xa


一、技术选型阶段

1. 基础组件选择
  • AI模型:DeepSeek-R1开放API(对话/推理)或DeepSeek-Coder(代码生成)

  • 浏览器控制:Playwright(比Selenium更快的现代浏览器自动化库)

  • 编排框架:LangChain或Autogen(用于构建AI Agent工作流)

  • 后端服务:FastAPI(轻量级API框架)+ RabbitMQ(任务队列)

2. 开发环境搭建
# 创建虚拟环境
python -m venv agent_env
source agent_env/bin/activate

# 安装核心依赖
pip install deepseek-api playwright langchain python-dotenv
playwright install chromium

二、架构设计阶段

1. 系统架构图
[用户接口]
   ↓
[API网关] → (身份验证/请求分发)
   ↓
[任务队列] → RabbitMQ(保证任务有序执行)
   ↓
[AI Agent核心]
   ├─ 自然语言理解 → DeepSeek-R1
   ├─ 代码生成 → DeepSeek-Coder
   └─ 浏览器控制 → Playwright Driver
2. 核心工作流程
  1. 接收自然语言指令(如"获取亚马逊iPhone 15前3页价格")

  2. 通过DeepSeek-R1进行意图识别和任务分解

  3. 生成Playwright控制代码并验证安全性

  4. 执行浏览器自动化操作

  5. 结果清洗和结构化处理

  6. 生成最终自然语言报告

三、核心实现阶段

1. 初始化模块
# config.py
import os
from dotenv import load_dotenv

load_dotenv()

DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")
BROWSER_HEADLESS = os.getenv("HEADLESS", "true").lower() == "true"
2. DeepSeek集成模块
# deepseek_integration.py
import requests

class DeepSeekClient:
    def __init__(self, api_key):
        self.base_url = "https://api.deepseek.com/v1"
        self.headers = {
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json"
        }

    def generate_response(self, prompt, model="deepseek-r1"):
        payload = {
            "model": model,
            "messages": [{"role": "user", "content": prompt}],
            "temperature": 0.7
        }
        
        response = requests.post(
            f"{self.base_url}/chat/completions",
            json=payload,
            headers=self.headers
        )
        
        return response.json()["choices"][0]["message"]["content"]
3. 浏览器控制模块
# browser_controller.py
from playwright.sync_api import sync_playwright
import json

class BrowserAgent:
    def __init__(self, headless=True):
        self.playwright = sync_playwright().start()
        self.browser = self.playwright.chromium.launch(headless=headless)
        self.context = self.browser.new_context(
            user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
        )
        self.page = self.context.new_page()

    def execute_actions(self, actions_json):
        try:
            for action in actions_json["steps"]:
                method = getattr(self.page, action["action"])
                if action["type"] == "click":
                    method(action["selector"])
                elif action["type"] == "input":
                    method(action["selector"], action["value"])
                self.page.wait_for_timeout(1000)  # 适当等待
            return self.page.content()
        except Exception as e:
            print(f"执行错误: {str(e)}")
            return None

    def close(self):
        self.context.close()
        self.browser.close()
        self.playwright.stop()
4. 任务编排模块
# task_orchestrator.py
from deepseek_integration import DeepSeekClient
from browser_controller import BrowserAgent
import json

class TaskOrchestrator:
    def __init__(self):
        self.ai_client = DeepSeekClient(os.getenv("DEEPSEEK_API_KEY"))
        self.browser = BrowserAgent()

    def process_task(self, user_input):
        # 步骤1:生成浏览器操作指令
        prompt = f"""
        用户请求:{user_input}
        请生成Playwright操作步骤,格式要求:
        {{
            "steps": [
                {{
                    "action": "goto|click|fill",
                    "type": "navigation|click|input",
                    "selector": "CSS选择器",
                    "value": "输入内容(可选)"
                }},
                // 更多步骤...
            ]
        }}
        """
        
        # 步骤2:获取结构化操作指令
        action_plan = self.ai_client.generate_response(prompt)
        
        # 步骤3:执行浏览器操作
        try:
            actions = json.loads(action_plan)
            result_html = self.browser.execute_actions(actions)
            
            # 步骤4:结果分析
            analysis_prompt = f"""
            原始网页内容:{result_html[:5000]}...(截断)
            用户需求:{user_input}
            请提取结构化数据并生成自然语言报告
            """
            
            final_report = self.ai_client.generate_response(analysis_prompt)
            return final_report
        except json.JSONDecodeError:
            return "操作指令生成失败,请重新尝试"

四、优化迭代阶段

1.性能优化技巧
  • 使用Playwright的异步API

  • 实现智能等待(替代固定等待时间):

self.page.wait_for_selector(selector, state="attached", timeout=5000)

五、典型用例演示

场景:商品价格监控
orchestrator = TaskOrchestrator()
result = orchestrator.process_task(
    "请访问亚马逊中国,搜索'iPhone 15',获取前3页商品的价格和评价数"
)
print(result)
执行流程:
  1. 生成导航到amazon.cn的操作指令

  2. 自动处理搜索框输入和搜索按钮点击

  3. 滚动翻页并提取数据

  4. 使用DeepSeek分析HTML结构并提取信息

  5. 生成包含价格趋势分析的Markdown报告

六、扩展方向建议

  1. 视觉集成:结合Playwright的截图功能+视觉模型进行验证

  2. 身份管理:实现多用户Cookie隔离存储

  3. RPA扩展:集成桌面自动化库(如PyAutoGUI)突破浏览器限制

  4. 知识记忆:使用向量数据库存储历史操作记录

GenAI 平台,3 分钟即可构建基于 Claude、DeepSeek 的 AI Agent —使用现有API密钥和计费体系即可无缝集成Anthropic Claude系列模型。 阅读详情

相关推荐

基于Minimax H3与DeepSeek的AI Agent自动化工作流构建指南

AI Agent(智能体)作为协调多个AI模型协同工作的核心架构,通过任务编排与决策调度,能够突破单一模型的能力局限。其工作原理在于将复杂任务分解为子任务,并调用最合适的专用模型(如大语言模型)分步执行,从而实现端到端的自动化流程。这种技术架构的价值在于显著提升了AI应用的灵活性与解决复杂问题的能力,广泛应用于内容生成、自动化客服、代码辅助等场景。本文以“王大爷的棋”自动化故事生成项目为例,具体演示了如何整合Minimax H3与DeepSeek等模型,通过Agent框架构建一个多模型协同的自动化工作流,为

weixin_28678151的博客 357

从零搭建智能体:用DeepSeek构建AI智能体Agent实战

本文采用一个小demo介绍AIAgent的原理并实现了一个简单的Agent

dibdoehn的博客 5229

DeepSeek Harness实战:AI Agent接管浏览器自动化完整指南

AI Agent正在改变浏览器自动化的实现方式。传统Selenium、Playwright等工具依赖固定脚本,而大模型驱动的智能体能够理解自然语言指令,自主规划操作步骤。其核心原理是让大模型作为决策大脑,通过任务调度层控制浏览器底层操作,形成“观察-思考-行动”的闭环。这种模式显著降低了RPA替代方案的使用门槛,使表单填写、资料收集、网页测试等重复劳动只需描述目标即可完成。从环境配置到Web控制台启动,再到模型接入与任务执行,均可在可视化界面中完成。本文围绕DeepSeek Harness的安装部署、浏览器

weixin_30892763的博客 894

DeepSeek:超越聊天工具的下一代AI多场景应用平台

DeepSeek作为国内领先的AI技术平台,不仅提供基础的聊天功能,更通过其强大的自然语言处理能力和灵活的扩展性,深入多个垂直领域,成为开发者、研究者及企业用户的智能助手。

determinedmannn的博客 4852

Browser-Use+deepseek:AI驱动浏览器自动化

Browser-Use是一个基于Python的开源库,通过Playwright实现浏览器自动化,连接AI代理与网页交互.

测试小菜蝶 798

Zcode实战指南:从DeepSeek接入到多Agent与MCP自动化

AI编程正从单轮问答转向多角色协作的自动化流水线,而理解Agent、MCP与钩子机制成为用好这类工具的关键。Agent负责拆解任务并调度子任务,MCP协议让AI安全调用外部工具与数据源,钩子则能在代码生成后自动触发测试、lint等流程,三者共同构成现代AI开发工作台的核心原理。这种集成化设计不仅降低了开发者的胶水代码成本,也为个人与中小团队提供了可落地的自动化工作流。在实际应用中,从配置DeepSeek等模型,到通过多Agent协作完成接口开发,再到用MCP打通浏览器、数据库等资源,每一步都让AI更深度地融

weixin_34208283的博客 597

基于DeepSeek-V3的真Agent智能体,火到国外了

DeepSeek 以更低的成本训练出可以比肩 GPT-4o 的性能,不仅让缺乏算力的国产大模型看到了希望,甚至连国外网友也直呼真香。最近看到一众国外小哥分享了一款名为的智能体,它可以自动使用浏览器帮你完成一些简单任务。他们在中统一使用 DeepSeek 大模型由于智能体会自主规划任务,所以 token 消耗不可控,这就要求大模型既要能打,又要价格便宜,成本可控。这个智能体看上去挺有趣的,并且在 GitHub 上开源了,我也忍不住安装使用了一下。安装特别简单,一条命令搞定。

老皮的博客 3560

基于MinimaxH3与DeepSeek构建AI Agent自动化流程实战指南

大语言模型(LLM)作为当前人工智能领域的核心技术,通过模拟人类语言理解和生成能力,为自动化任务处理提供了新的范式。其工作原理基于海量文本数据训练,能够根据输入提示生成连贯、符合逻辑的文本响应。这一技术价值在于将自然语言指令转化为可执行的操作逻辑,极大降低了人机交互门槛。在实际应用场景中,LLM常被集成到AI Agent(智能体)系统中,用于实现感知、决策、执行的自动化闭环。本文聚焦于如何利用MinimaxH3这一本地推理框架部署DeepSeek开源模型,解决模型服务化过程中的版本兼容与API调用难题,并结

weixin_33309048的博客 324

【AI大模型】基于DeepSeek-V3的真Agent智能体,火到国外了

DeepSeek 以更低的成本训练出可以比肩 GPT-4o 的性能,不仅让缺乏算力的国产大模型看到了希望,甚至连国外网友也直呼真香。 最近看到一众国外小哥分享了一款名为 browser-use 的智能体,它可以自动使用浏览器帮你完成一些简单任务。

Gaga246的博客 1902

DeepSeek++:基于MCP协议的浏览器内AI Agent工作台

AI Agent 是当前智能工具演进的核心范式,其本质是让大模型具备主动调用工具、维护长期记忆与执行多步任务的能力。实现这一目标的关键在于标准化的工具交互协议与安全可控的运行环境。MCP(Model Context Protocol)正是一种轻量、可扩展、跨平台的AI工具通信标准,它通过JSON Schema定义工具能力,解耦模型与具体实现;而浏览器扩展则天然支持本地优先(local-first)架构,在不上传数据、不依赖云服务的前提下,为AI Agent提供零摩擦部署路径。DeepSeek++正是这一理念

weixin_32678995的博客 564

DeepSeek测试用例生成与优化工具:基于Python的自动化测试解决方案

本项目是一个基于Python开发的AI测试用例生成与优化工具,旨在帮助测试工程师快速生成高质量的测试用例,并对已有用例进行智能优化。系统支持多种需求文档格式(Markdown/Word/Text),涵盖功能测试、性能测试、安全测试等15种测试类型。通过AI技术,工具能够自动分析需求文档,生成测试点并转化为完整的测试用例,同时支持对已有Excel用例的优化,提升用例的完整性、详细度和准确性。 核心功能: 用例生成:从需求文档到测试用例的一键生成,支持多种测试类型。 用例优化:智能优化已有用例,提升用例质量。 Excel导出:生成和优化结果可直接导出为Excel文件,便于团队协作。 Docker部署:支持快速部署,开箱即用。 适用场景: 测试工程师快速生成测试用例 测试团队优化已有用例库 自动化测试脚本的前期准备 测试用例管理与维护

爆火的与文档聊天的 RAG 开源工具,支持 GraphRAG 、多模态问答和多种复杂推理!

在当今信息爆炸的时代,我们每天都在与海量的文档打交道,无论是研究报告、学术论文还是日常的工作文件。随着数据量的不断增长,如何高效地从这些文档中提取所需信息成为了一个挑战。随着 AI 技术的发展和 RAG 技术的出现,前面遇到的问题,有了一个很不错的解决方案。将您的文档转化为一个智能的知识库,让您能够通过简单的对话就能获取深入的洞察和答案。本文 Kakuqo 将介绍近期 Github 上非常火爆的开源项目 ——。是一个基于 RAG 的开源工具,让你可以轻松地与您的文档 “聊天”💬。

m0_59235699的博客 2091

代码生产力革命:用DeepSeek自动化生成可执行脚本与单元测试.pdf

在日常的工作和学习中,你是否常常为处理复杂的数据、生成高质量的文本或者进行精准的图像识别而烦恼?DeepSeek 或许就是你一直在寻找的解决方案!它以其高效、智能的特点,在各个行业都展现出了巨大的应用价值。然而,想要充分发挥 DeepSeek 的优势,掌握从入门到精通的知识和技能至关重要。本文将从实际应用的角度出发,为你详细介绍 DeepSeek 的基本原理、操作方法以及高级技巧。通过系统的学习,你将能够轻松地运用 DeepSeek 解决实际问题,提升工作效率和质量,让自己在职场和学术领域脱颖而出。该文档【代码生产力革命:用DeepSeek自动化生成可执行脚本与单元测试】共计 17 页,文档内容完整、条理清晰。文档内所有文字、图表、目录等元素均显示正常,无任何异常情况,敬请您放心查阅与使用。

华为云Flexus+DeepSeek征文|基于Dify平台端午习俗指南助手Ai agent【实战体验】

在人工智能技术迅猛发展的今天,如何将现代科技与中华优秀传统文化深度融合,成为了一个值得思考的新命题。端午节作为中国重要的传统节日之一,承载着丰富的历史文化与民俗价值。借助大模型、多模态感知与智能体架构的优势,本文探索构建一款“端午习俗指南助手 AI Agent”,旨在让更多用户通过智能化交互方式,深入了解和传承端午节的文化内涵,推动传统节日的数字化、智能化演绎。

一键难忘的博客 7668

机器学习——先验概率、后验概率、全概率公式、贝叶斯公式

先验概率(prior probability)是指根据以往经验和分析得到的概率,如全概率公式,它往往作为"由因求果"问题中的"因"出现的概率。后验概率是指在得到“结果”的信息后重新修正的概率,是“执果寻因”问题中的"果"。贝叶斯公式就是当已知结果,问导致这个结果的第 i 原因的可能性是多少。

fortune_cookie的博客 1万+

Simulink Test Sequence实战:5步搞定复杂逻辑测试(附Excel模板)

本文详细介绍了如何利用Simulink Test Sequence模块高效完成复杂逻辑测试。通过对比传统Excel方法的不足,阐述了Test Sequence以流程图和自然语言描述测试场景的优势,并提供了从环境搭建、逻辑构建到与Test Manager集成、利用Excel模板进行数据驱动的完整5步实战指南,帮助工程师将复杂的状态机或逻辑流测试从繁琐的‘体力活’转变为高效的‘技术活’。

snow3的博客 251

基于LangGraph与DeepSeek构建AI Agent的实战指南

AI Agent作为具备自主决策能力的智能体,正在改变传统的人机交互模式。其核心技术原理是通过状态机模型实现任务分解与流程控制,结合大语言模型的推理能力完成复杂任务。LangGraph作为新兴的AI编排框架,采用图计算思想构建非线性工作流,特别适合需要条件分支和循环处理的场景。DeepSeek大模型凭借32k超长上下文窗口,为Agent提供强大的记忆和推理能力。这种技术组合在客服系统、智能助手、自动化流程等领域具有广泛应用价值。本文通过实战演示如何利用LangGraph的状态机机制和DeepSeek的API

weixin_32181267的博客 310

MNIST数据集下载+idx3-ubyte解析【超详细+上手简单】

下载MNIST数据集并对其进行图片与标签解析

qq_43604183的博客 3万+

基于minimaxh3与DeepSeek构建AI Agent:从下棋Demo到自动化任务编排

AI Agent作为连接大语言模型与实际应用的关键技术,通过框架化的状态管理和流程编排,解决了大模型在复杂任务执行中的稳定性问题。其核心原理在于将大模型的自然语言理解能力与结构化的工作流相结合,通过定义明确的状态、工具和提示词,引导模型完成多步骤任务。这种技术架构的价值在于实现了从单次对话到持续自动化执行的跨越,为客服工单处理、数据报告生成、自动化测试等场景提供了可复用的解决方案。本文以minimaxh3框架和DeepSeek模型为例,通过一个具体的下棋Demo,深入探讨了如何设计系统提示词、构建工具接口以

weixin_34101784的博客 435

LinuxMint 22.1(Ubuntu24.04)下通过Wine完美运行同花顺远航版的实战指南

本文详细介绍了在LinuxMint 22.1(Ubuntu24.04)系统下通过Wine完美运行同花顺远航版的实战指南。从基础环境准备到深度优化,包括Wine环境配置、同花顺远航版安装、字体显示调优、任务栏兼容性修复等关键步骤,帮助Linux用户高效使用同花顺远航版进行股票交易和行情分析。

weixin_30919429的博客 572

基于plc的工厂除尘控制系统设计(S7-200、仿真、调试、高质量)

工业作为我国第二支柱产业,在近十几年来发展非常迅速,虽然带了了可观的经济效益,但在工业生产中所产生的大量粉尘气体对大气的污染现象也不容忽视。为减少工业粉尘对环境的污染,世界各国制定了严格的环境保护要求。为了减少工业中粉尘的排放,除尘器的研发改良,以及燃煤的使用等等都在不断更改以符合粉尘排放标准。而目前最先进的除尘设备无机膜除尘器具备除尘效率高,稳定性好,结构紧凑易于维护等优点,且无机膜对于粉尘吸附效率高,抗腐蚀能力优秀,耐高温,因此能更有效应用于高温烟气的除尘。本文根据PLC技术在除尘方面的应用,来优化设计

老高的博客 1283

awesome-deepseek-agent 进阶:用 Hooks 自动化 DeepSeek Agent 工作流

awesome-deepseek-agent 是一份精选的 DeepSeek 模型接入指南合集,收录了 20 余款主流 AI Agent 与编程助手工具的完整配置方法。当你的 DeepSeek Agent 从"能跑"走向"好用",自动化就成了下一个关键课题,而 **Hooks(钩子)** 正是打通 DeepSeek Agent 工作流自动化的核心机制。本文将以 DeepSeek-TUI 的 Hoo

gitblog_00388的博客 621

Sinutrain下载安装与开启OPC UA---kalrry

Sinutrain 开启 OPC UA 本教程只适用于版本,其他版本配置目录有所改变建议安装到默认路径,否则后期修改路径时候容易忽略细节本教程提供安装包为官方包,网上有些非官方包安装后容易出现授权问题,比如授权管理器无法启动,官方技术会建议你重装系统,很多时候是因为安装包非官方包在首次安装前,建议重启一遍系统。

kalrry 1万+

star 34.6k!通过DeepSeek实现AI自动化操作浏览器!

如今是AI的时代,如果能够通过大模型自动操作浏览器,无论是网页抓取、自动化测试还是数据收集都能大大提高效率。因为你无须编写和维护复杂的xpath、正则、css选择器脚本。今天,喵将介绍一个非常有趣的工具——browser-use[1],并结合DeepSeek模型,展示通过 AI Agent自动化操作浏览器。

2401_84204207的博客 2925

机器学习特征选择-t检验

在特征选择的过程中通过计算检验统计量值,比较特征之间的统计量的大小,并降序排列,选取统计值较高的特征,从而起到去除差别小的特征(此差别小的特征难以区分不同的额类别)的目的。 以t检验(Student's t test)为例: 假设检验 通过比较两类样本的随机变化,通过计算其p值决定是否拒绝零假设,也即是说:通过计算p值,若p值小于某一阈值则认为两个样本具有显著差异,两个样本是不同的,此时拒绝...

heda3的博客 6700

【32】OpenCV——图像含义关系?RGGB , BGGR , GRBG , GBRG呢?raw8,raw10,raw12,raw14呢? YUV422; RAW16呢?YCbYCr/RG_GB;

‌如前所述,定义原始数据的位深精度。‌* ‌一种压缩色彩编码方式,通过色度抽样(亮度Y全分辨率,色度U/V半分辨率)减少数据量,常用于视频传输。‌* ‌可能指每个像素分量占16位存储(如高位填充的RAW10/12/14),或未明确量化的高精度原始数据。‌ ‌分类‌核心定义‌关联性及典型应用传感器原始色彩排列(RGGB/BGGR等)决定RAW数据的色彩分布规则RAW位深每个分量的数据精度(8/10/12/14位)影响动态范围和存储空间‌YUV422。

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 797
上一篇: 大数据测试
下一篇: 向量数据库与ES的区别与结合
SuperCreators
博客等级 码龄9年 91粉丝 65原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值