# ai_browser

**Repository Path**: simplecoder-1/ai_browser

## Basic Information

- **Project Name**: ai_browser
- **Description**: AI API 控制浏览器
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-19
- **Last Updated**: 2026-02-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🤖 AI Browser Controller

一个使用 AI API 控制浏览器的强大工具。通过自然语言指令，AI 可以自动执行各种浏览器操作。

## ✨ 功能特性

- 🌐 **智能导航** - 用自然语言打开任意网站
- 👆 **自动交互** - AI 自动分析页面并执行点击、输入等操作
- 📜 **智能滚动** - 自动滚动页面
- 📸 **截图功能** - 截取页面截图
- 🔍 **内容提取** - 从页面提取所需信息
- ⚡ **JavaScript 执行** - 执行自定义 JavaScript 代码
- 🎯 **对话式交互** - 支持交互式 CLI 界面

## 📋 环境要求

- Python 3.9+
- Windows / macOS / Linux

## 🚀 快速开始

### 1. 安装依赖

```bash
cd ai_browser
pip install -r requirements.txt
playwright install chromium
```

### 2. 配置 API Key

复制 `.env.example` 为 `.env` 并填入你的 API Key:

```bash
cp .env.example .env
```

编辑 `.env` 文件:
```
OPENAI_API_KEY=your-api-key-here
```

或者直接在 `config.yaml` 中设置:
```yaml
api_key: "your-api-key-here"
```

### 3. 运行程序

**交互模式:**
```bash
python main.py
```

**命令模式:**
```bash
python main.py "打开百度并搜索 Python 教程"
```

**无头模式:**
```bash
python main.py --headless "打开 https://www.google.com"
```

## 💬 使用示例

```
👤 你: 打开 https://www.baidu.com
🤖 AI: [执行导航到百度]
⚡ 执行: goto https://www.baidu.com

👤 你: 在搜索框输入 Python 教程
🤖 AI: [执行输入并搜索]
⚡ 执行: type #kw Python 教程
⚡ 执行: click #su

👤 你: 向下滚动页面
🤖 AI: [执行滚动]
⚡ 执行: scroll down 500

👤 你: 截取当前页面
🤖 AI: [执行截图]
⚡ 执行: screenshot screenshot.png
✅ 成功: 截图已保存到 screenshot.png
```

## 📖 命令说明

| 命令 | 说明 |
|------|------|
| 打开 \<url\> | 导航到指定 URL |
| 点击 \<元素\> | 点击页面元素 |
| 输入 \<文本\> | 在输入框输入文本 |
| 滚动 \<方向\> | 滚动页面 (up/down/top/bottom) |
| 截图 | 截取当前页面 |
| 提取 \<选择器\> | 提取元素内容 |
| help | 显示帮助 |
| exit/quit | 退出程序 |

## 🛠️ 配置文件

编辑 `config.yaml` 自定义配置:

```yaml
api_key: ""           # API Key
api_base: "https://api.openai.com/v1"  # API 地址
model: "gpt-4"       # 使用的模型
headless: false      # 无头模式
browser_type: "chromium"  # 浏览器类型
timeout: 30000       # 超时时间(毫秒)
```

## 🔧 支持的 AI API

- OpenAI GPT-4 / GPT-3.5
- Azure OpenAI Service
- 任何兼容 OpenAI API 的服务

修改 `config.yaml` 中的 `api_base` 即可切换:

```yaml
# OpenAI
api_base: "https://api.openai.com/v1"

# Azure OpenAI
api_base: "https://your-resource.openai.azure.com/openai/deployments/your-deployment"

# 其他兼容 API
api_base: "https://your-api-endpoint/v1"
```

## 📁 项目结构

```
ai_browser/
├── main.py              # 主程序入口
├── ai_client.py         # AI API 客户端
├── browser_controller.py # 浏览器控制器
├── command_parser.py    # 命令解析器
├── console_ui.py        # 控制台 UI
├── config.yaml          # 配置文件
├── requirements.txt     # Python 依赖
└── .env.example         # 环境变量示例
```

## ⚠️ 注意事项

1. 请确保已安装 Playwright 浏览器驱动
2. 首次运行可能需要下载浏览器
3. 使用无头模式时无法截图(全页面)
4. 建议使用 GPT-4 以获得更好的页面理解能力

## 📄 许可证

MIT License