LaVague

LaVague：开创性的Web Agent开发框架

LaVague是一个创新的开源框架，专为希望创建AI Web Agent以自动化用户流程的开发者而设计。这个强大的框架允许开发者构建能够理解并执行复杂任务的智能Web代理。

核心功能

LaVague的Web Agent由两个主要组件构成：

1. 世界模型（World Model）：接收目标和当前状态（即当前网页），输出适当的指令集。
2. 动作引擎（Action Engine）：将指令"编译"成动作代码（如Selenium或Playwright），并执行这些动作。

这种结构使得LaVague Agent能够处理各种复杂的Web任务，从简单的信息查找到多步骤的交互操作。

LaVague QA：面向QA工程师的专用工具

作为LaVague框架的延伸，LaVague QA是一个为QA工程师量身定制的工具。它能够将Gherkin规范自动转换为易于集成的测试，大大提高了Web测试的效率。QA工程师可以利用这个工具，将测试自动化提升到一个新的水平。

快速上手

使用LaVague非常简单。首先，通过pip安装：

pip install lavague

然后，只需几行代码就可以创建一个Web Agent并执行任务：

from lavague.core import WorldModel, ActionEngine
from lavague.core.agents import WebAgent
from lavague.drivers.selenium import SeleniumDriver

selenium_driver = SeleniumDriver(headless=False)
world_model = WorldModel()
action_engine = ActionEngine(selenium_driver)
agent = WebAgent(world_model, action_engine)
agent.get("https://huggingface.co/docs")
agent.run("Go on the quicktour of PEFT")

丰富的功能集

LaVague提供了一系列强大的功能：

• 内置上下文配置
• 可自定义的配置选项
• 用于测试和基准测试的测试运行器
• 用于估算令牌使用量和成本的令牌计数器
• 日志记录工具
• 可选的交互式Gradio界面
• 调试工具
• Chrome扩展支持

多驱动支持

LaVague支持多种Web驱动选项：

• Selenium WebDriver
• Playwright WebDriver
• Chrome扩展驱动

不同驱动支持的功能略有不同，开发者可以根据需求选择合适的驱动。

社区支持与贡献

LaVague拥有活跃的社区支持。开发者可以通过GitHub issues、Discord服务器等多种渠道获得帮助。同时，项目也欢迎社区贡献，有详细的贡献指南供参考。

成本考虑

LaVague使用LLM（默认为OpenAI的gpt4-0，但可自定义）。运行成本取决于所选模型、任务复杂度和交互的网站。项目提供了令牌计数和成本估算的文档，帮助用户追踪和估算运行成本。

数据收集

为了改进Large Action Models和Web Agents，LaVague默认收集一些用户遥测数据。这些数据包括版本信息、生成的动作代码、使用的LLM、目标等。用户可以通过设置环境变量来关闭数据收集。

总的来说，LaVague为Web自动化和AI代理开发提供了一个强大、灵活且易于使用的框架，无论是个人开发者还是企业用户，都能从中受益，创建出更智能、更高效的Web自动化解决方案。