Integuru v0

首个通过逆向工程平台内部 API 来生成集成代码的 AI 代理。

Integuru v0 运行示例

Integuru v0 的功能

您使用 create_har.py 生成包含所有浏览器网络请求的文件和 Cookie 文件，并编写一个描述在浏览器中触发的操作的提示。该代理会输出可运行的 Python 代码，直接调用平台的内部端点以执行所需操作。

工作原理

假设我们要下载水电费账单：

1. 代理会识别用于下载水电费账单的请求。例如，请求 URL 可能如下所示：

   https://www.example.com/utility-bills?accountId=123&userId=456
   

2. 它会识别请求中依赖其他请求的部分。上述 URL 包含需要从其他请求中获取的动态参数：

   accountId=123 userId=456
   

3. 代理会找到提供这些参数的请求，并将下载请求依赖于它们。同时，它会将这些请求与原始请求关联起来，构建出一个依赖关系图：

   GET https://www.example.com/get_account_id
   GET https://www.example.com/get_user_id
   

4. 这一过程会重复进行，直到当前检查的请求不再依赖任何其他请求，仅需认证 Cookie 即可。
5. 代理会从没有出边的节点（即不依赖其他请求的节点）开始，沿着依赖关系图向上遍历，直至到达主节点，同时将每个节点转换为可运行的函数。

功能特性

• 生成请求的依赖关系图，以便最终发出执行目标操作的请求。
• 支持输入变量（例如选择要下载文档的年份）。目前此功能仅用于生成依赖关系图；用于代码生成的输入变量功能即将推出！
• 生成代码以按依赖关系图中的顺序调用所有请求，从而完成目标操作。

环境搭建

1. 设置您的 OpenAI API 密钥，并添加 OPENAI_API_KEY 环境变量。（我们建议使用具有至少与 OpenAI o1-mini 同等能力模型权限的账户。推荐使用与 OpenAI o1-preview 性能相当的模型。）

2. 使用 Poetry 安装 Python 依赖：

   poetry install
   

3. 打开 Poetry Shell：

   poetry shell
   

4. 将 Poetry 虚拟环境注册到 Jupyter：

   poetry run ipython kernel install --user --name=integuru
   

5. 运行以下命令启动浏览器：

   poetry run python create_har.py
   

   登录到您的平台并执行所需操作（如下载水电费账单）。

6. 运行 Integuru：

   poetry run integuru --prompt "download utility bills" --model <gpt-4o|o3-mini|o1|o1-mini>
   

   您也可以通过 Jupyter Notebook main.ipynb 来运行。

   建议使用 gpt-4o 作为生成依赖关系图的模型，因为它支持函数调用。如果用户的 OpenAI 账户中有可用的 o1-preview 模型，Integuru 会自动切换到该模型进行代码生成。

使用方法

项目设置完成后，您可以使用 Integuru 分析和逆向工程外部平台的 API 请求。只需提供相应的 .har 文件以及描述您希望触发的操作的提示即可。

poetry run integuru --help
用法：integuru [选项]

选项：
  --model TEXT                    使用的 LLM 模型（默认为 gpt-4o）
  --prompt TEXT                   模型的提示语  [必填]
  --har-path TEXT                 HAR 文件路径（默认为
                                  ./network_requests.har）
  --cookie-path TEXT              Cookie 文件路径（默认为
                                  ./cookies.json）
  --max_steps INTEGER             最大步骤数（默认为 20）
  --input_variables <TEXT TEXT>... 输入变量，格式为 键 值
  --generate-code                 是否生成完整的集成代码
  --help                          显示本帮助信息并退出。

运行单元测试

使用 pytest 运行单元测试的命令如下：

poetry run pytest

持续集成 (CI) 流程

本仓库包含一个基于 GitHub Actions 的 CI 流程。该流程定义在 .github/workflows/ci.yml 文件中，会在每次向 main 分支推送或发起拉取请求时触发。流程执行以下步骤：

1. 检出代码。
2. 设置 Python 3.12。
3. 使用 Poetry 安装依赖。
4. 使用 pytest 运行测试。

关于双因素认证的说明

当目标网站使用双因素认证 (2FA) 时，工作流程保持不变。请确保完成 2FA 流程，并在 2FA 后获取 Cookie/认证令牌/会话令牌。这些令牌将在工作流程中使用。

演示视频

贡献

欢迎为改进 Integuru 提供贡献。请随时在项目的仓库中提交问题或拉取请求。

信息

Integuru 由 Integuru.ai 构建。除了开发这款代理之外，我们还接受针对新集成或现有支持平台附加功能的定制请求。此外，我们也提供托管和认证服务。如有需求或希望与我们合作，请联系 richard@integuru.ai。

我们已开源自己构建的非官方 API，您可以在 这里 查看。

隐私政策

数据存储

收集的数据本地存储在 network_requests.har 和 cookies.json 文件中。

LLM 使用

该工具使用基于云的 LLM（OpenAI 的 GPT-4o 和 o1-preview 模型）。

LLM 训练

LLM 不会因使用本工具而被训练或改进。

Integuru 快速上手指南

Integuru 是一个 AI 代理工具，能够通过逆向工程平台的内部 API，自动生成执行特定操作（如下载账单、抓取数据）的 Python 集成代码。

环境准备

在开始之前，请确保满足以下系统和依赖要求：

• 操作系统：支持 Linux、macOS 或 Windows（需配置好 Python 环境）。
• Python 版本：推荐 Python 3.12（CI 流程验证版本）。
• 包管理工具：必须安装 Poetry 用于依赖管理。
  • 国内加速建议：若安装 Poetry 缓慢，可使用国内镜像源：

    curl -sSL https://mirrors.aliyun.com/python-poetry/install-poetry.py | python -
    export POETRY_PYPI_MIRROR_URL=https://pypi.tuna.tsinghua.edu.cn/simple/
    

• OpenAI API Key：需要有效的 OpenAI API 密钥。
  • 模型要求：推荐使用 gpt-4o（用于生成请求依赖图，支持函数调用）和 o1-preview 或 o1-mini（用于代码生成）。请在环境变量中配置 OPENAI_API_KEY。

安装步骤

1. 克隆项目并安装依赖 进入项目目录，使用 Poetry 安装所需库：

   poetry install
   

2. 激活虚拟环境 启动 Poetry shell 以隔离运行环境：

   poetry shell
   

3. 注册 Jupyter Kernel（可选） 如果你习惯使用 Jupyter Notebook 进行调试，请运行以下命令注册内核：

   poetry run ipython kernel install --user --name=integuru
   

基本使用

Integuru 的工作流分为两步：首先通过浏览器录制操作生成网络请求文件，然后由 AI 分析并生成代码。

第一步：录制浏览器操作

运行以下命令启动浏览器。登录目标平台，手动执行你想要自动化的操作（例如：下载某个月的电费账单），完成后关闭浏览器。

poetry run python create_har.py

注意：此过程会生成 network_requests.har（网络请求记录）和 cookies.json（认证信息）。如果目标网站开启了两步验证 (2FA)，请在录制过程中完成验证，确保最终生成的 cookie 包含有效会话令牌。

第二步：生成集成代码

使用 integuru 命令，提供描述操作的提示词（prompt），AI 将自动分析依赖关系并输出可运行的 Python 代码。

最简单示例： 假设刚才录制的操作是“下载电费账单”，运行：

poetry run integuru --prompt "download utility bills" --model gpt-4o

参数说明：

• --prompt: 必填。用自然语言描述你希望代码执行的动作。
• --model: 指定使用的 LLM 模型。推荐图形生成阶段使用 gpt-4o。如果账户可用，工具会自动切换至 o1 系列模型进行代码生成。
• --har-path: HAR 文件路径（默认为 ./network_requests.har）。
• --cookie-path: Cookie 文件路径（默认为 ./cookies.json）。
• --generate-code: 添加此标志以生成完整的集成代码。

进阶示例（带输入变量）： 如果你希望生成的代码支持动态参数（例如指定年份）：

poetry run integuru --prompt "download utility bills for a specific year" --input_variables year 2023 --generate-code

生成完成后，检查输出的 Python 脚本，即可直接用于自动化任务。