Jev Ultrafast：具有动态索引操作空间的浏览器代理

具有动态索引操作空间的浏览器代理。给它一个目标。 TypeSafe 的 Jev 选择一个操作和一个元素。小型 LLM 仅在操作为 TYPE_TEXT 时写入文本。苏黎世 → 伦敦 搭乘 Google Flights 仅需 7.1 秒。包括一个自然语言目标、实际文本生成和加载等待。观看 MP4 · 测量 · 读取循环 每次观察都会产生一个新的元素表： [1] 按钮 更改票类型 · 往返 [2] 组合框 来自哪里？ · 旧金山 [3] 组合框 去哪里？ · 空 [4] 文本框出发 · 空 ... 操作有 CLICK 、 TYPE_TEXT 、 SELECT 、 SCROLL_UP 、 SCROLL_DOWN 、 WAIT 、 DONE 和 BLOCKED 。仅提供支持的操作和目标。一个 TypeSafe 请求 ┌────────────────────────┐ 页面 → 元素表 → 操作 │ │ click_target │ │ type_text_target │ │ select_target，如果存在 │ └─────────────┬─────────────┘ 使用匹配目标 │ CLICK [7] ─────┤──→ 浏览器 TYPE_TEXT [3] ──────┘ ↓ 小LLM → 文本 → 浏览器 目标问题是推测性的。如果操作是 CLICK ，则只有 click_target 可以执行。两个决定，一个网络往返。每个目标头仅包含兼容的元素。本机下拉选项带有观察到的元素/选项索引。策略中没有特定于站点的操作脚本或准备好的字段字符串。 Flights 示例提供了一个目标并独立验证了结果。屏幕截图渲染器随后添加标签；它不驱动浏览器。 git clone https://github.com/browser-use/jev-ultrafast.git cd jev-ultrafast uvsync cp .env.example .env # 添加 TYPESAFE_API_KEY 和 TEXT_MODEL_API_KEY。 uv run jev 打开 http://127.0.0.1:8766 并点击 开始演示 → 自动运行 。检查器显示编号的元素、操作概率、目标概率和执行的操作。选择执行前的下一个暂停。 Chrome 通过浏览器线束进行连接，由 uvsync 安装。如果需要连接，请运行 uv run browser-harness --doctor。出现提示时允许在 Chrome 中进行远程调试。 TEXT_MODEL_API_KEY 是示例配置中的 OpenRouter 键。当前的演示使用 inception/mercury-2.5 并禁用推理。 Gemini、GLM 和 DeepSeek 也可以使用 OpenAI 兼容的文本帮助器；配置适当的模型、端点和推理设置。 from jev_ultrafast import Agent with Agent ( "https://www.google.com/travel/flights?hl=en" , "查找 2026 年 9 月 20 日从苏黎世飞往伦敦的单程航班，" "适用于经济舱中的一名成人。当匹配的航班选项可见时停止。" ,) 作为 agent ：用于 agent 中的状态。 run (): print ( state [ "elapsed_ms" ], state [ "status" ]) 使用 uv run --env-file .env python your_script.py 运行。相同的策略可以运行不同的任务： uv run --env-file .env python Examples/run.py \ --url https://en.wikipedia.org/wiki/Main_Page \ --goal ' 查找并打开有关哥德尔不完备性定理的维基百科文章。 ' uv run --env-file .env python Examples/flights.py --keep-open 执行航班搜索，检查实际路线/日期/结果，并保存其跟踪。它不选择或预订航班。每个决策周期一个请求。操作头和目标头共享相同的观察状态。默认代理循环中没有屏幕截图。 Jev 使用结构化状态。检查员选择截屏；该视频使用单独的连续截屏视频。每个快照一次浏览器调用。自动读取可见控件及其名称、值和文本。保留对实际 DOM 节点的引用。验证选定的目标。单击检查文档、表单值、目标和附近的上下文。动画本身并不能强制进行另一个预测。在输入之前解析当前几何体并拒绝覆盖的控件。等待有用的状态。在组合框中输入内容后，等待可见的建议，上限为 200 毫秒。其他交互最多获得两个动画帧或 50 毫秒。这些读取发生在记录执行之后。保持隐藏选项卡渲染。焦点模拟可防止背景动画节流，而无需切换 Chrome 的可见选项卡。发送可见文本。屏幕外的文章正文和页脚不会填充模型上下文。重新使用中断的文本请求。仅当整个文本帮助器输入未更改时，生成的值才能在过时页面重试中幸存。每个执行的目标都是从观察到的节点解析的。执行器重新检查页面新鲜度和点击遮挡。模型输出永远不会成为选择器、坐标、shell 命令或可执行 JavaScript。在输入之前，文本帮助器输出必须解析为一个小的 JSON 对象。文件作业代理.py 完整的循环和文本帮助程序交接快照.js 原子 DOM 快照、索引控件、新鲜度保护 browser.py 浏览器连接、当前几何、执行模型.py 动态操作/目标头和文本生成问题.py 模型指令 demo.py 本地检查器 当前视频是 7,073 毫秒的 Google Flights 运行。计时在初始页面观察后开始，包括模型调用、生成的文本、浏览器工作等