WebRover

您的 AI Web 导航副驾驶 🚀

自治 Web Agent | 任务自动化 | 信息检索 | 深度研究

概述

WebRover 是一款 AI 驱动的 Web Agent，将自治浏览与先进的研究能力相结合。在保持其核心的 Web 任务自动化能力的同时，2.0 版本引入了复杂的研究工作流，包括多源分析、学术论文生成和深度主题探索。该系统能够智能地在任务自动化和研究模式之间路由查询，为快速操作和全面研究提供了一个多功能的工具。

动机

虽然传统的 Web 自动化工具擅长执行任务，搜索引擎擅长信息检索，但市场对于能够同时处理这两者，并专注于深度研究工作流的工具需求日益增长。WebRover 通过提供任务自动化和智能研究能力填补了这一空白，重点在于全面的信息收集、分析和综合。这种双重用途的方法旨在改变我们与 Web 内容交互的方式，使任务执行和研究都变得更加高效和彻底。

演示视频 - 深度研究 Agent

https://github.com/user-attachments/assets/325c6c55-9384-4939-a912-3b1d13635799

观看 WebRover 深度研究 Agent 如何探索主题、收集信息并生成学术论文。

演示视频 - 任务 Agent

https://github.com/user-attachments/assets/95ae9afb-3fdf-47f8-857e-f6a1a0d94df5

观看 WebRover 任务 Agent 如何导航网站并执行任务。

核心功能

Agent 能力

• 三种针对不同用例的专业 Agent（任务、研究、深度研究）
• 基于任务复杂度的动态 Agent 选择
• 实时 Agent 状态可视化
• Agent 操作与思考过程的流式输出

浏览器集成

• 本地浏览器实例，确保隐私与控制
• 多标签页管理
• PDF 文档处理
• 安全的浏览会话

用户界面

• 具备实时更新功能的现代聊天界面
• 交互式 Agent 选择
• 带有视觉反馈的操作流式展示
• 实时页面注释与高亮

输出选项

• 直接聊天响应
• 一键导出至 Google Docs
• PDF 下载功能
• 支持复制到剪贴板

研究工具

• 用于信息留存的向量数据库 (Vector store)
• 多源验证
• 学术论文生成
• 参考文献管理

技术特性

• 顶尖 LLM 集成 (GPT-4o, o3-mini-high, Claude-3.5 sonnet)
• 用于增强响应的 RAG 流水线
• 用于状态管理的 LangGraph
• 用于可靠 Web 自动化的 Playwright

Agent 类型

1. 任务 Agent

一种专门用于执行基于 Web 的任务和工作流的自动化 Agent。

• 针对多步任务的自定义操作规划
• 基于上下文的动态元素交互
• 实时任务进度监控

2. 研究 Agent

一种具备智能内容处理能力的信息收集专家。

• 智能源选择与验证
• 自适应搜索优化
• 单次通过式全面信息收集

3. 深度研究 Agent (新功能! 🎉)

一种先进的研究 Agent，通过系统化的主题探索生成学术级内容。

• 自动主题分解与结构化研究
• 独立的子主题探索
• 带规范引用的学术论文生成
• 交叉引用的参考文献编译

Agent 架构图

深度研究 Agent 流程

深度研究 Agent 用于全面研究和内容生成的工作流

研究 Agent 流程

研究 Agent 用于信息收集和综合的工作流

任务 Agent 流程

任务 Agent 用于自动化 Web 交互的工作流

架构

该系统建立在现代技术栈之上，包含三种不同的 Agent 类型，每种类型均由以下部分驱动：

1. 状态管理

   • 使用 LangGraph 维护 Agent 状态
   • 处理复杂的导航流程和决策
   • 结构化的工作流管理

2. 浏览器自动化

   • 使用 Playwright 实现可靠的 Web 交互
   • 自定义元素检测与交互系统
   • 自动导航与内容提取

3. 内容处理

   • RAG (检索增强生成) 流水线
   • 集成向量数据库以实现高效的信息存储
   • PDF 与网页内容提取
   • 自动内容结构化与组织

4. AI 决策

   • 多种 LLM 集成 (GPT-4, Claude)
   • 上下文感知导航
   • 自我审查机制
   • 结构化输出生成

安装指南

后端设置

1. 克隆仓库

   git clone https://github.com/hrithikkoduri18/WebRover.git
   cd WebRover