小脑

一款轻量级浏览器代理，能够通过键盘和鼠标操作，在网页上完成用户自定义的目标。

实际演示

目标：查找一根10英尺长的USB-C转USB-C数据线，并将其加入购物车

设置

请参阅适用于您所用语言的设置说明：

• Python
• TypeScript

工作原理

1. 网页浏览被简化为在有向图中导航。
2. 每个网页都是一个节点，包含可见元素和数据。
3. 用户操作（如点击或输入）是连接不同节点的边。
4. 小脑从某个起始网页开始，目标是到达代表已完成目标的终点节点。
5. 它使用大语言模型分析页面内容和交互元素，以找到新的节点。
6. 大语言模型根据当前状态和历史操作决定下一步行动。
7. 小脑执行大语言模型规划的操作，并将新状态反馈给大语言模型以进行下一步决策。
8. 当大语言模型判断目标已达成或无法实现时，流程结束。

目前，Claude 3.5 Sonnet 是唯一支持的大语言模型

功能

• 兼容任何支持 Selenium 的浏览器。
• 可使用用户提供的 JSON 数据自动填写表单。
• 支持运行时指令，以动态调整浏览策略和操作。
• 待办事项：从浏览会话中创建训练数据集。

路线图

• 集成 Claude 3.5 Sonnet 作为 ActionPlanner
• 在多种任务中成功演示 BrowserAgent
• 创建 Python SDK
• 处理标签页浏览
• 处理网站数据提取
• 改善垂直滚动行为
• 改善水平滚动行为
• 提升系统提示词的表现
• 改进截图中标记鼠标位置的功能
• 增加将浏览器会话转换为训练数据集的功能
• 支持更多大语言模型作为 ActionPlanner
• 训练本地模型
• 将本地模型集成为 ActionPlanner

已知问题

• Claude 3.5 的安全拒绝行为：
  • 拒绝解决验证码
  • 拒绝在页面包含政治内容时进行导航

贡献

欢迎为小脑做出贡献。有关如何参与的详细信息，请参阅我们的 CONTRIBUTING.md。

我们感谢所有贡献，无论是错误报告、功能请求还是代码更改。

许可证

本项目采用 MIT 许可证 许可。

维护者

• Han Wang

合作者

• Han Wang
• Darwin Lo
• Michael Shuffett
• Shane Moran

Cerebellum 快速上手指南

Cerebellum 是一个轻量级的基于代理的浏览器工具，能够利用键盘和鼠标操作，在网页上自动完成用户定义的复杂目标（如搜索商品并加入购物车）。它通过将网页浏览简化为有向图导航，结合大语言模型（目前仅支持 Claude 3.5 Sonnet）来规划并执行下一步操作。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• 编程语言：选择以下任一环境
  • Python 3.8+
  • Node.js (TypeScript 环境)
• 浏览器：任意支持 Selenium 的浏览器（推荐 Chrome 或 Firefox），并已安装对应的 WebDriver。
• API 密钥：您需要拥有 Anthropic API 密钥以使用 Claude 3.5 Sonnet 模型（当前唯一支持的 LLM）。
• 前置依赖：
  • Python 用户需安装 selenium 及相关驱动管理工具。
  • TypeScript 用户需配置好 npm/yarn 环境。

注意：由于网络原因，国内开发者在安装 Python 包时建议指定清华或阿里镜像源；调用 Anthropic API 时可能需要配置网络代理。

安装步骤

根据您的开发语言偏好，选择以下一种方式进行安装：

选项 A：Python 环境

1. 克隆项目仓库：

   git clone https://github.com/theredsix/cerebellum.git
   cd cerebellum/python
   

2. 创建虚拟环境并安装依赖（推荐使用国内镜像加速）：

   python -m venv venv
   source venv/bin/activate  # Windows 用户使用: venv\Scripts\activate
   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 配置环境变量：

   export ANTHROPIC_API_KEY="your_claude_api_key_here"
   # 如果使用代理访问 API
   export HTTP_PROXY="http://127.0.0.1:7890"
   export HTTPS_PROXY="http://127.0.0.1:7890"
   

选项 B：TypeScript 环境

1. 克隆项目仓库：

   git clone https://github.com/theredsix/cerebellum.git
   cd cerebellum/typescript
   

2. 安装依赖：

   npm install
   # 或者使用 yarn
   yarn install
   

3. 配置环境变量（在项目根目录创建 .env 文件）：

   ANTHROPIC_API_KEY=your_claude_api_key_here
   

基本使用

Cerebellum 的核心用法是定义一个自然语言目标，代理将自动规划路径并执行操作。以下是最简单的 Python 使用示例。

示例：自动搜索并添加商品到购物车

假设目标是：“寻找一根 10 英尺长的 USB-C 转 USB-C 数据线并将其加入购物车”。

from cerebellum import BrowserAgent
import os

# 初始化代理
# 确保已设置 ANTHROPIC_API_KEY 环境变量
agent = BrowserAgent(
    headless=False,  # 设置为 True 可在后台无界面运行
    browser="chrome" # 或 "firefox"
)

# 定义用户目标
goal = "Find a USB C to C cable that is 10 feet long and add it to cart"

# 可选：提供表单填充数据（如登录信息或地址）
user_data = {
    "email": "user@example.com",
    "address": "123 Main St"
}

try:
    # 启动任务
    # agent.run 会自动打开浏览器，分析页面，点击、输入直至完成任务
    result = agent.run(
        goal=goal, 
        start_url="https://www.amazon.com", # 指定起始网址
        user_data=user_data
    )
    
    print(f"任务状态：{result.status}")
    print(f"执行日志：{result.logs}")

except Exception as e:
    print(f"执行过程中发生错误：{e}")
finally:
    # 关闭浏览器
    agent.close()

运行时动态调整

您也可以在运行时通过指令动态调整浏览策略。Cerebellum 会接收新的指令并重新规划后续动作，无需重启会话。

# 在任务执行过程中注入新指令
agent.send_instruction("Skip any items that are out of stock.")

注意事项

• CAPTCHA 限制：Claude 3.5 出于安全策略，拒绝解决验证码（CAPTCHAs）。如果页面出现验证码，任务可能会中断。
• 敏感内容：若页面包含政治敏感内容，模型可能会拒绝继续导航。
• 滚动支持：目前已优化垂直滚动行为，水平滚动支持仍在改进中。