DeepSeek+web-ui+python实现AI智能体打造网站访问能力

最新推荐文章于 2025-10-23 11:17:24 发布
原创 最新推荐文章于 2025-10-23 11:17:24 发布 · 718 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #开发语言 #计算机 #程序员 #软件测试 #UI自动化测试 #职场经验

📝 面试求职： 「面试试题小程序」 ，内容涵盖 测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试，命中率杠杠的。（大家刷起来…）

📝 职场经验干货：

软件测试工程师简历上如何编写个人信息（一周8个面试）

软件测试工程师简历上如何编写专业技能（一周8个面试）

软件测试工程师简历上如何编写项目经验（一周8个面试）

软件测试工程师简历上如何编写个人荣誉（一周8个面试）

软件测试行情分享（这些都不了解就别贸然冲了.）

软件测试面试重点，搞清楚这些轻松拿到年薪30W+

软件测试面试刷题小程序免费使用（永久使用）

基于开源框架browser-use构建，专为AI智能体打造网站访问能力，三大革命性功能：

1️⃣ 全能Web交互界面

    ✔️ 基于Gradio开发，完整继承browser-use核心功能

    ✔️ 零门槛可视化操作，与浏览器智能体实时互动

    ✔️ 支持高清屏幕录制，操作轨迹全程可追溯

2️⃣ 大模型全明星阵容

    🔥 已接入：Google/OpenAI/Azure/Anthropic/DeepSeek/Ollama

    🚀 即将支持：更多顶尖模型持续更新中

3️⃣ 私人浏览器定制

    💡 秒级接入个人常用浏览器

    💻 网站登录态永久保存（告别重复认证！）

    🌐 历史会话完整存档，智能体操作记忆永不丢失

搭建方式，下载代码后

curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv --python 3.11
source .venv/bin/activate
uv pip install -r requirements.txt
playwright install  #这里有报错后，需要去安装playwright
cp .env.example .env

配置文件如下：​​​​​​​

OPENAI_ENDPOINT=https://api.openai.com/v1
OPENAI_API_KEY=
ANTHROPIC_API_KEY=
ANTHROPIC_ENDPOINT=https://api.anthropic.com
GOOGLE_API_KEY=
AZURE_OPENAI_ENDPOINT=
AZURE_OPENAI_API_KEY=
AZURE_OPENAI_API_VERSION=2025-01-01-preview
DEEPSEEK_ENDPOINT=https://api.deepseek.com
DEEPSEEK_API_KEY=
MISTRAL_API_KEY=
MISTRAL_ENDPOINT=https://api.mistral.ai/v1
OLLAMA_ENDPOINT=http://localhost:11434
ALIBABA_ENDPOINT=https://dashscope.aliyuncs.com/compatible-mode/v1
ALIBABA_API_KEY=
MOONSHOT_ENDPOINT=https://api.moonshot.cn/v1
MOONSHOT_API_KEY=
# Set to false to disable anonymized telemetry
ANONYMIZED_TELEMETRY=true
# LogLevel: Set to debug to enable verbose logging, set to result to get results only. Available: result | debug | info
BROWSER_USE_LOGGING_LEVEL=info
# Chrome settings
CHROME_PATH=
CHROME_USER_DATA=
CHROME_DEBUGGING_PORT=9222
CHROME_DEBUGGING_HOST=localhost
# Set to true to keep browser open between AI tasks
CHROME_PERSISTENT_SESSION=false
# Display settings
# Format: WIDTHxHEIGHTxDEPTH
RESOLUTION=1920x1080x24
# Width in pixels
RESOLUTION_WIDTH=1920
# Height in pixels
RESOLUTION_HEIGHT=1080
# VNC settings
VNC_PASSWORD=youvncpassword

   主要是一些api相关的key的配置，启动的时候，不配置，可以启动后配置

安装后启动配置：

python webui.py --ip 127.0.0.1 --port 7788

启动后，可以在浏览器访问

可以在不同的地方进行配置。

如果在配置文件中，没有配置，要在

LLM Configuration中进行配置

0

都是支持API格式的。

0

这 Runagent中 配置需要支持的任务，然后点击Run Agent即可。后台直接就会启动一个浏览器，执行对应的任务了。可以根据自己的需求，执行简单的自动化任务还是可以的，可以把这个改造成我们的UI自动化测试任务。

最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】
在这里插入图片描述​​​​
在这里插入图片描述​​​​

Windows系统本地化部署DeepSeek+Open-WebUi
人的一生就是在学习的道路上不断进步
04-07 1052
Windows系统本地化部署DeepSeek+Open-WebUi
本地部署DeepSeek-r1+Open-Webui(超级无敌爆炸详细)
WZN56789的博客
02-01 6560
ollama中的deepseek-r1分7种型号,分别是1.5b、7b、8b、14b、32b、70b和671b,轻量级应用，需要快速响应需求可以选择1.5B、7B 这样的小模型可以快速加载和运行，能够在较短时间内给出结果，满足用户的即时需求，小模型适合一些对响应速度要求高、硬件资源有限的场景，如手机端的智能助手、简单的文本生成工具等；但是官方的下载速度比蜗牛还慢(会翻墙的当我没说),一个简单快速的方法是访问github文件加速， 网址是。3.如何将deepseek-r1下载到u盘里(不需要的可以跳过)
DeepSeek + Playwright 实战：巧用ai帮你写自动化测试代码
m0_59163425的博客
02-10 6587
DeepSeek给出的代码，完全可以覆盖提出的测试需求，从用例设计，到项目代码结构，数据驱动，页面对象模型。基本实现了本次测试需求的用例设计，代码生成，居然还可以直接运行，结果挺让人震惊的！这次的体验看，测试结果需要人工基于业务逻辑最后确认，这个也符合现实中绝大多数的情况。当然，你也可以根据它给出的优化建议提示，继续同它进行多轮对话，对测试代码持续改进。相对于在网页版提问，这个集成插件在编辑器内，使用起来更高效，生成的代码可以直接复制粘贴，也没有碰到网页版服务器忙常常连接不上的问题，非常值得大家一试。
从零搭建智能测试平台：DeepSeek+Playwright+Celery极简实践
m0_63171455的博客
04-08 1096
本文简要分享了智能化测试平台从零搭建步骤，包括核心架构设计，核心模块实现，包括智能需求解析、任务调度、数据存储 等全流程闭环管理的初步框架。抛砖引玉，希望以上思路和分享对你有所启发和帮助。
webUI自动化基于python+playwright+pytest+deepseek
最新发布
xiwei1992的博客
10-23 275
pytest.skip(f"DeepSeek账户余额不足，跳过测试: {error_message}")print(f"AI回答: {response.choices[0].message.content}")pytest.fail(f"DeepSeek API调用失败: {str(e)}")"content": "你是一个专业的测试工程师。pytest.skip("未配置DeepSeek API密钥，跳过测试")- `DEEPSEEK_API_KEY` - DeepSeek API密钥。
browser-use WebUI + DeepSeek V3 把浏览器整成自动化了!
python12222_的博客
02-14 5326
Github 上有个开源项目，这个项目最近老火了，目前拥有 11K Star，它的作用是。接入也很简单，不过要写一点代码。这两天有个老哥基于，写了个 UI 界面，在体验层面同时也做了一些功能扩展，让它的使用门槛更低了，之前的 Github 开源地址是。现在为。
如何在用python部署的 Open WebUI 中显示 DeepSeek-R1 的思考过程
hdheh554694的博客
03-08 1505
如何在 Open WebUI 中显示 DeepSeek-R1 的思考过程 | HADB.ME。在 管理员面板 -> 设置 -> 外部连接 中按 + 添加一个连接。密钥输入你在阿里云百炼的api密钥。
本地部署 Browser-Use WebUI + 本地部署 DeepSeek 实现浏览器AI自动化
weixin_41103823的博客
02-14 1002
前一版采用的是 Deepseek 官方API，由于最近比较火，可能遇到服务器繁忙导致运行不成功，这一版选择通过 Ollama 本地部署的模型 一、安装部署（已安装 python3.11 或以上版本、playwright） 1.下载最新源码包（v1.4及以上版本），解压 https://github.com/browser-use/web-ui/releases 2.在解压的文件夹中打开C...
Deepseek + browser-use 轻松实现浏览器自动化
2403_88996352的博客
07-28 2179
在数字化时代，浏览器应用广泛，浏览器自动化可大幅提升效率。Deepseek 是强大的智能语言模型，能精准解析复杂指令，browser - use 是专注浏览器操作的工具，提供丰富 API 接口，支持主流浏览器的各类自动化操作。二者结合，用户用自然语言向 Deepseek 描述需求，就能通过与 browser - use 协作，自动在浏览器执行操作，如电商数据采集、网页测试等，无论数据处理、软件测试还是办公流程优化，都能带来便利，下面为你详细讲解配置和使用方法。
Ollama+Deepseek+open-webui搭建本地知识库
hartyu的博客
02-22 1199
版本：1.5b，（需要1.1GB空余空间）ollama run deepseek-r1:1.5b。版本：671b，（需要404GB空余空间）ollama run deepseek-r1:671b。版本：32b，（需要20GB空余空间）ollama run deepseek-r1:32b。版本：70b，（需要43GB空余空间）ollama run deepseek-r1:70b。版本：7b，（需要4.7GB空余空间）ollama run deepseek-r1:7b。二，下载安装模型deepseek-r1。
超级详细的 Ollama 结合 DeepSeek + Docker + Open Web UI 构建本地AI知识库教程
IT小郭的技术博客
03-05 2213
Ollama结合DeepSeek、Docker和Open Web UI构建本地AI知识库教程，将带您轻松搭建一套高效、易用的智能问答系统。本教程通过Docker容器化技术，简化了环境配置过程，确保了系统的稳定运行。DeepSeek作为强大的知识库构建工具，助力您快速整合各类数据资源。Open Web UI则为用户提供了一个美观、直观的交互界面。跟随本教程，您将掌握从零开始搭建AI知识库的完整流程，实现个性化智能问答服务，助力您在短时间内成为AI领域的专家。快来开启您的AI知识库搭建之旅吧！
browser-use WebUI + DeepSeek 基于AI的UI自动化解决方案
weixin_43936332的博客
03-18 5050
Browser Use 是一个基于 Python 开发的开源库，它将先进的 AI 技术与浏览器自动化功能深度融合。注意，这里的 Use Vision，默认是选中状态，如果使用的 DeepSeek 不能勾选，因为 DeepSeek 不支持视觉输入，注意这里很多人踩坑，一定要注意。支持更多大语言模型，比如 Gemini、OpenAI、Azure 等，哦，还有最近爆火的国产大模型 DeepSeek，未来还会加更多。项目网址 ：https://github.com/browser-use/browser-use。
DeepSeek + Playwright 实战：零编码实现自动化测试全覆盖
伤心的辣条
02-18 1191
本文介绍了 DeepSeek 低代码测试实践，通过自然语言交互和 AI 技术帮助团队轻松实现自动化测试全覆盖。
DeepSeek + Playwright 实战：AI 自动生成高覆盖率测试脚本
伤心的辣条
02-18 1378
随着人工智能技术的进步，DeepSeek作为一款AI驱动的代码生成工具，为自动化测试提供了全新的解决方案，结合Playwright的强大功能，可以大幅提升测试效率和覆盖率。
DeepSeek与Playwright结合：利用AI提升自动化测试脚本生成与覆盖率优化
霍格沃兹测试学院的博客
02-13 1848
Playwright是由微软开发的开源自动化测试工具，旨在提供跨浏览器的自动化测试支持。跨浏览器支持：能够在多个浏览器（包括Chromium、Firefox和Safari）上进行自动化测试，确保软件在不同平台的兼容性。强大的功能支持：支持页面元素的动态交互、网络请求拦截、浏览器上下文模拟等高级功能，能够高效地模拟用户操作。快速执行：Playwright具有极高的执行速度，适用于需要快速反馈的自动化测试任务。Playwright因此成为现代前端应用和复杂web平台测试的理想选择。
Playwright + DeepSeek实战：手把手教你用ai实现xmind用例生成到自动化测试（以电商为例）
software_test010的博客
02-24 1328
本篇继续分享如何用AI把Xmind测试用例生成为自动化测试代码，并手把手教你具体提示词解决元素定位，异常覆盖等核心痛点，为自动化测试提供一种新思路和可能性。
通过 Ollama 本地部署 DeepSeek-r1:1.5b 模型后，用 Python 调用推理并生成基于 pytest + PO 设计模式的 Playwright 自动化测试文件
weixin_44872675的博客
02-07 2615
是一种常见的自动化测试结构化设计方法，核心思想是将页面的元素及操作封装成一个类（页面对象），从而提高代码复用性和可维护性。以下代码实现了调用 DeepSeek 服务并生成 pytest + PO 结构的 Playwright 测试文件。以下代码结合 DeepSeek 推理和模板生成，将功能测试用例转换为完整的 pytest + PO 文件。我们将以下功能测试用例转换为 pytest + PO 结构的 Playwright 自动化测试脚本。的 Playwright 自动化测试脚本。
结合 DeepSeek 将测试用例转换为 Playwright 和 Selenium 脚本
weixin_44872675的博客
02-05 2335
在实际测试场景中，测试工程师可能已经有大量的测试用例，但手动将这些用例转化为自动化脚本（如 Selenium 或 Playwright）往往非常耗时。的语义分析和自然语言处理能力，可以自动解析测试用例并生成对应的 Playwright 或 Selenium 自动化脚本，从而显著提升效率。的动态脚本生成能力，可以高效地将测试用例转化为 Playwright 或 Selenium 脚本。根据解析的测试用例，动态生成 Playwright 自动化测试脚本。通过 DeepSeek 提取测试用例中的关键步骤和信息。
vllm+deepseek-r1-distill-qwen-32b 部署
09-11
<think> 嗯，用户想查找用vLLM部署DeepSeek-R1-Distill-Qwen-32B的方法。我需要从提供的引用中整理出清晰的步骤流程。 引用[1]提到V100-32GB*2硬件环境，引用[2]给出了模型下载命令，引用[3]列出了模型架构对应关系，引用[4]则包含具体的vLLM服务启动命令。这些信息需要有机整合。 注意到用户特别强调要"详细步骤"，考虑将部署流程拆解成环境准备、模型获取、服务启动三个主要阶段。硬件要求部分需要明确标注最低显存配置，因为32B模型对显存要求较高。 在模型下载环节，引用[2]的modelscope命令行可以直接采用，但需要补充说明可选替代方案（HuggingFace）。启动命令部分，引用[4]的复杂参数需要解释每个关键参数的作用，比如--max-model-len和--tensor-parallel-size的配置逻辑。 考虑到用户可能遇到的实际问题，准备在验证环节增加curl测试示例和常见故障处理建议。突发奇想是否要补充性能调优技巧，但根据当前引用信息，决定保持核心步骤的简洁性。 最后设计相关问题要覆盖延伸场景：单卡部署可行性、量化方案选择、WebUI集成等，这些问题在引用中都有线索可循。特别是引用[3]提到不同规模模型，引用[2]涉及Open-WebUI，可以作为问题设计的依据。 </think> 以下是使用 **vLLM 部署 DeepSeek-R1-Distill-Qwen-32B** 的详细步骤，结合引用内容整理： --- ### **部署步骤** #### **1. 环境准备** - **硬件要求**： 至少需要 **2 张 V100-32GB 显卡**（或同级 A100/A800），显存需求约 60GB+ [^1][^3]。 - **软件依赖**： ```bash # 安装 Python 3.8+ sudo apt install python3.9 pip install vllm==0.4.1 transformers==4.39.0 ``` #### **2. 下载模型** - 通过 **ModelScope** 下载（推荐）： ```bash modelscope download --model=deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --local_dir ./DeepSeek-R1-Distill-Qwen-32B [^2] ``` - 或通过 **HuggingFace**： ```bash git lfs install git clone https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B ``` #### **3. 启动 vLLM 服务** ```bash vllm serve \ --model DeepSeek-R1-Distill-Qwen-32B \ # 模型路径 --quantization awq_marlin \ # 量化方案（可选优化） --max-model-len 18432 \ # 模型最大上下文长度 --max-num-batched-tokens 512 \ # 单次批处理最大 token 数 --tensor-parallel-size 2 \ # GPU 并行数（与显卡数量一致） --gpu-memory-utilization 0.98 \ # 显存利用率 --port 8000 \ # 服务端口 --enforce-eager # 避免内核兼容性问题 [^4] ``` #### **4. 验证服务** 发送测试请求： ```bash curl http://localhost:8000/generate \ -H "Content-Type: application/json" \ -d '{"prompt": "你好，DeepSeek", "max_tokens": 50}' ``` 若返回生成文本，则部署成功。 --- ### **关键参数说明** | **参数** | **作用** | **推荐值** | |---------------------------|----------------------------------------|------------------| | `--tensor-parallel-size` | 多卡并行推理 | `2`（双卡） | | `--max-model-len` | 支持的最大上下文长度 | `18432` | | `--quantization` | 量化优化（降低显存） | `awq_marlin` | | `--gpu-memory-utilization`| 显存利用率（接近1.0需确保显存充足） | `0.98` | --- ### **常见问题解决** 1. **显存不足**： - 增加 `--quantization awq`（需模型支持 AWQ 量化） - 降低 `--max-model-len` 或 `--max-num-batched-tokens` 2. **启动报错**： - 添加 `--enforce-eager` 禁用内核融合 [^4] - 检查 CUDA 版本（需 ≥ 12.1） --- ### **性能优化建议** - **多卡负载均衡**：确保 `--tensor-parallel-size` 与 GPU 数量一致。 - **批处理调整**：根据请求量调整 `--max-num-seqs`（默认 1，可适当增加吞吐量）。 - **容器化部署**：使用 Docker 隔离环境（参考 [vLLM 官方文档](https://vllm.ai)）[^3]。 ---
评论
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