在人工智能快速发展的今天,如何准确评估AI代理在网络任务中的表现成为了一个重要问题。Bananalyzer应运而生,它是一个专为网络任务设计的开源AI代理评估框架和数据集。这个项目不仅解决了网站变化、延迟和反机器人保护等问题,还为AI代理的评估提供了一个标准化和可靠的方法。让我们一起深入了解这个有趣而实用的项目。
Bananalyzer的创建者们有着充分的理由来开发这个独特的评估框架:
Bananalyzer是一个命令行工具,它针对一组示例网站运行一系列评估。这些示例在examples.json文件中定义,使用了类似于Mind2Web和WebArena的模式。示例存储了代理目标和预期 代理输出等元数据,以及通过mhtml保存的URL快照,确保页面内容不会随时间变化。
这个CLI工具会通过动态构建一个pytest测试套件并执行它,来顺序运行用户定义的代理的示例。作为用户,你只需创建一个实现AgentRunner
接口的文件,并在名为"agent"的变量中定义AgentRunner的实例。AgentRunner暴露了示例和一个playwright浏览器上下文供使用。
Bananalyzer定义了一组页面类型和测试意图,用于评估代理。这些类型在schemas.py文件的ExampleType
枚举中定义:
此外,还有一些特定的tags
可以用来进一步筛选测试意图,如pagination标签表示必须跨页面获取数据。
要开始使用Bananalyzer进行本地测试,请按照以下步骤操作:
安装Bananalyzer:
pip install --dev bananalyzer
实现agent_runner.py
接口并创建一个banalyzer.py测试文件。以下是一个示例文件:
import asyncio from playwright.async_api import BrowserContext from bananalyzer.data.schemas import Example from bananalyzer.runner.agent_runner import AgentResult, AgentRunner class NullAgentRunner(AgentRunner): """ A test agent class that just returns an empty string """ async def run( self, context: BrowserContext, example: Example, ) -> AgentResult: page = await context.new_page() await page.goto( example.get_static_url()) # example.url has the real url, example.get_static_url() returns the local mhtml file url await asyncio.sleep(0.5) return example.evals[0].expected # Just return expected output directly so that tests pass
运行测试套件:
bananalyze ./tests/banalyzer.py
你也可以运行bananalyze .
来运行当前目录中的所有测试。
在MacOS上运行本地示例时,请运行unix2dos static/*/*.mhtml
以转换MHTML文件中的CRLF格式。
Bananalyzer的开发团队已经制定了一个雄心勃勃的路线图,包括以下几个方面:
功能增强:
数据集更新:
这些计划显示了Bananalyzer团队对于不断改进和扩展项目功能的承诺,以满足AI代理评估领域日益增长的需求。
Bananalyzer是一个开源项目,欢迎社区贡献。如果你想要参与,可以考虑以下方式:
运行服务器: 项目有一个基本的FastAPI服务器来暴露示例数据。你可以使用以下命令运行它:
cd server
poetry run uvicorn server:app --reload
然后在浏览器中访问http://127.0.0.1:8000/api/docs
查看API文档。
添加示例: 所有当前的示例都是通过运行项目根目录的fetch.ipynb
笔记本手动添加的。这个笔记本将使用Playwright加载网站,并使用Chrome开发者API将页面保存为MHTML文件。
提交代码: 你可以fork项目,进行改进,然后提交pull request。
报告问题: 如果你发现了bug或有改进建议,可以在GitHub上提交issue。
文档贡献: 帮助改进项目文档,使其更加清晰和全面。
Bananalyzer为AI代理在网络任务中的评估提供了一个强大而灵活的框架。通过解决网站变化、延迟和反机器人保护等问题,它为研究人员和开发者提供了一个可靠的工具,以评估和改进他们的AI代理。
随着项目的不断发展,我们可以期待看到更多的功能和改进。无论你是AI研究者、开发者,还是对网络任务自动化感兴趣的爱好者,Bananalyzer都值得你去探索和尝试。
加入Bananalyzer社区,一起推动AI代理评估的发展吧!
让我们一起,为AI代理的未来贡献一份力量! 🚀🍌
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。