hrithikkoduri/WebRover

WebRover is an autonomous AI agent designed to interpret user input and execute actions by interacting with web elements to accomplish tasks or answer questions. It leverages advanced language models and web automation tools to navigate the web, gather information, and provide structured responses based on the user's needs.

GAI 中文摘要

WebRover 是一款基于人工智能的自主网页智能体，旨在通过模仿人类行为与网页元素交互，从而自动执行复杂的在线任务或完成深度信息检索。它结合了先进的大语言模型与网页自动化技术，能够智能地导航网站、收集数据并生成结构化的响应结果。

该系统支持自主网页导航与自动化操作，能够流畅完成填写表单、点击按钮等任务。具备深度研究工作流，支持跨多个源进行信息分析与综合总结。引入了学术级别的研究模式，能够基于搜索内容自动生成专业学术论文。内置智能任务路由机制，可根据用户需求自动判断并切换任务执行或深度研究模式。

该项目适用于需要频繁处理网页自动化任务的开发者，以及从事学术调研、市场分析或深度内容汇总的研究人员，可显著提升信息采集与任务处理的效率。

⭐

994

Stars

🔱

172

Forks

👁

Watchers

📋

Issues

PythonMIT创建于 2025/1/14更新于 2 周前

在 GitHub 上查看

README

由 Gemini 翻译整理

WebRover

您的 AI Web 导航副驾驶 🚀

自主 Web Agent | 任务自动化 | 信息检索 | 深度研究

概述

WebRover 是一款人工智能 Web Agent，将自主浏览与高级研究功能相结合。在保持其核心的 Web 任务自动化能力的同时，2.0 版本引入了先进的研究工作流，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工具。

设计动机

传统的 Web 自动化工具擅长任务执行，搜索引擎擅长信息检索，但人们越来越需要一种既能处理上述两者，又专注于深度研究工作流的工具。WebRover 通过提供任务自动化和智能研究功能弥补了这一空白，特别侧重于全面的信息收集、分析和综合。这种双重用途的方法旨在改变我们与 Web 内容的交互方式，使任务执行和研究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

针对不同用例的三种专用 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
流式传输 Agent 的操作和思考过程

浏览器集成

用于隐私和控制的本地浏览器实例
多标签页管理
PDF 文档处理
安全浏览会话

用户界面

带有实时更新的现代化聊天界面
交互式 Agent 选择
带有视觉反馈的操作流
实时页面标注和高亮

输出选项

直接聊天回复
一键导出至 Google Docs
PDF 下载功能
复制到剪贴板支持

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

最先进的 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 (Task Agent)

一种专用于执行基于 Web 的任务和工作流的自动化 Agent。

针对多步骤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 (Research Agent)

一种具有智能内容处理能力的信息收集专家。

智能来源选择和验证
自适应搜索优化
单次全面信息收集

3. 深度研究 Agent (Deep Research 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质量的内容。

自动主题分解和结构化研究
独立的子主题探索
带有正确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

Deep Research Agent Architecture

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

Research Agent Architecture

研究 Agent 用于信息收集和综合的工作流

任务 Agent 流程

Task Agent Architecture

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，拥有三种不同的 Agent 类型，每种类型都由以下模块支持：

状态管理
- 使用 LangGraph 维护 Agent 状态
- 处理复杂的导航流程和决策
- 结构化工作流管理
浏览器自动化
- 使用 Playwright 进行可靠的 Web 交互
- 自定义元素检测和交互系统
- 自动导航和内容提取
内容处理
- RAG (检索增强生成) 流水线
- 向量数据库集成以实现高效信息存储
- PDF 和网页内容提取
- 自动内容结构化和组织
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

安装说明

后端设置

克隆仓库

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