让AutoGPT智能体控制Chrome浏览器，自动完成网页浏览、点击与表单填写任务。

方案简介

Chrome-GPT 是一个实验性的 AutoGPT 智能体项目，它利用 LangChain 和 Selenium 让 AutoGPT 智能体接管整个 Chrome 浏览器会话。智能体可以在网页上交互式地滚动、点击和输入文本，从而自主地导航和操作网页内容。

它解决的问题是：把大语言模型的规划能力与浏览器自动化结合起来，让 AI 自主完成需要浏览网页的任务。例如官方演示中，给定提示词 Find me a bar that can host a 20 person event near Chelsea, Manhattan evening of Apr 30th. Fill out contact us form if they have one with info: Name Richard, email he@hrichard.com.，智能体便能自动搜索场地并填写联系表单。

适合对 AI 智能体与浏览器自动化感兴趣的实验者、开发者。需要注意这是实验性项目，可能会采取错误操作并导致严重后果，请自行斟酌使用。

亮点与能力

• 🌎 Google 搜索：智能体可执行 Google 搜索获取信息
• 🧠 长期与短期记忆管理
• 🔨 Chrome 操作：描述网页、滚动到元素、点击按钮/链接、填写表单、切换标签页
• 🤖 支持多种智能体类型：Zero-shot、BabyAGI 和 Auto-GPT
• 🔥 （开发中）Chrome 插件支持

组成与分工

• AutoGPT：智能体框架，负责任务规划与自主循环执行
• LangChain：提供智能体编排、记忆管理与模型调用
• Selenium：浏览器自动化工具，驱动 Chrome 完成滚动、点击、输入等页面操作
• Chrome：被控制的浏览器会话，承载网页交互
• GPT-4 / GPT-3.5：OpenAI 模型，作为智能体的推理大脑（GPT-4 为推荐选项）
• Poetry：Python 依赖管理与运行环境工具

前置要求

运行本项目需要：

• Chrome
• Python >3.8
• 安装 Poetry

同时需要设置 OpenAI API Keys 并配置 OPENAI_API_KEY 环境变量；如使用 GPT-4 模式则需要 GPT-4 访问权限。

实施步骤

1. 配置 OpenAI API Key

Set up your OpenAI API Keys 并添加 OPENAI_API_KEY 环境变量。

2. 安装依赖

bash
poetry install

3. 进入 Poetry Shell

bash
poetry shell

4. 运行

bash
python -m chromegpt

备选：Docker 方式

更新 .env 文件后执行：

bash
source .env && docker-compose up

使用与配置要点

• GPT-3.5 用法（默认）：

bash
python -m chromegpt -v -t "{your request}"

• GPT-4 用法（推荐，需要 GPT-4 访问权限）：

bash
python -m chromegpt -v -a auto-gpt -m gpt-4 -t "{your request}"

• 查看帮助：python -m chromegpt --help

主要命令行选项：

• -t, --task：要执行的任务（必填）
• -a, --agent：智能体类型，可选 auto-gpt、baby-agi、zero-shot
• -m, --model：使用的模型
• --headless：无头模式运行
• -v, --verbose：详细模式运行
• --human-in-loop：人工介入模式，仅在使用 auto-gpt 智能体时可用

注意事项与常见问题

• 网页爬取功能有限，按钮和输入框有时不会出现在提示中。
• 响应时间慢，每个操作需要 1-10 秒运行。
• 有时 LangChain 智能体无法解析 GPT 输出。如果遇到此问题，可尝试指定其他智能体，例如：python -m chromegpt -a auto-gpt -v -t "{your request}"。
• 这是实验性项目，可能会采取错误操作并导致严重后果，请自行斟酌使用。

优缺点

• ✓ 支持多种智能体类型
• ✓ 可自动搜索并填写表单
• ✕ 响应慢，每步1-10秒
• ✕ 爬取能力有限，元素易缺失

出处

本方案挖掘自开源项目 richardyc/Chrome-GPT，方案内容与实施命令均来自其 README 原文。