CASE 01浏览器 Agent
Built with JevMIT
Jev Ultrafast
Jev Ultrafast 是 Browser Use 发布的浏览器 Agent 参考实现。它先把当前可见控件整理成编号元素表,再由 Jev 同时选择操作类型和目标元素;只有执行 TYPE_TEXT 时才调用小型文本模型生成输入内容,从而把“做什么”和“写什么”拆成两条可检查的路径。
工作方式
- 读取当前页面可见控件并生成带编号的元素表,不把整页 HTML 直接交给模型自由解释。
- 在一次结构化请求中,让 Jev 从 CLICK、TYPE_TEXT、SELECT、SCROLL、WAIT、DONE、BLOCKED 等动作里选择操作,并匹配兼容的目标元素。
- 只有动作需要输入文本时才调用小型生成模型;点击、滚动和状态判断不依赖自由文本生成。
- 执行层在真正操作前重新检查节点是否仍然存在、位置是否变化以及是否被遮挡,模型结果不会直接变成选择器、坐标、JavaScript 或 Shell 命令。
适合评估
- 理解结构化决策模型如何参与浏览器动作选择
- 需要固定动作集合、概率结果和执行前复核的自动化原型
- 比较“决策模型 + 小型文本模型”分工方式的参考实现
采用前确认
- 运行需要 Python、uv、Chrome、Browser Harness、TypeSafe API Key 以及文本模型 API Key。
- 作者展示的 Google Flights 7.1 秒结果只覆盖单一任务、浏览器配置和少量重复,不能视为通用浏览器 Agent 基准。
- 这是自动化演示与参考实现;登录、支付、删除和其他高影响操作仍需要隔离环境、权限控制与人工确认。