ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1em;letter-spacing: 0.1em;color: rgb(80, 80, 80);">用于开发 AI Web 代理的大型行动模型框架。 https://github.com/lavague-ai/LaVague Hi，这里是Aitrainee，欢迎阅读本期新文章。 LaVague，这是一个用于开发AI网页应用的框架，它现在有了一些很酷的新更新，比如可以构建一个能够根据你的简历PNG自动申请工作的代理，这太疯狂了。 以前它只能做一些简单的任务，但现在似乎变得更好了，不仅能够处理常规任务，还能处理复杂任务。 看看这个展示视频，它展示了这一点。在下面展示视频中，开发者构建了一个代理，能够使用LaVague的开源框架根据简历的PNG文件申请工作，这使得代理能够在不到40秒内读取简历并填写表格。 
这种方式你可以批量申请大量工作，简历会自动填写这些要求。 高频论文检索超越 Gemini 和 ChatGPT 使用 LaVague 创建一个代理，寻找 HuggingFace Papers 上最新最热门论文： 
我们将创建代理并通过 Gradio 界面为其提供服务。 可以在下面的演示中看到LaVague的代理如何能够超越 Gemini 和 ChatGPT 来回答查询 ： "What is the most trendy recent paper on text-to-video on Hugging Face papers? Provide the date and a summary of the paper" 。 使用 LaVague 和 Pytest 实现 QA 自动化LaVague 是一个很棒的工具，可以帮助你更有效地编写和维护自动化测试。手动编写测试脚本非常耗时。 LaVague 可以根据 Gherkin 编写的测试用例描述生成可重用的 pytest-bdd 代码。 
除此以外，下面是 LaVague 如何采取多个步骤来实现“快速了解 PEFT”目标的示例： 
代码更新了之后，你可以在Google Colab上访问并操作相关功能。 
作为一个开源的大型动作模型框架，它被用于开发AI网页代理。 
网页代理接收目标，比如打印Hugging Face Diffuser库的安装步骤，并能够执行所需的操作来实现这个目标。 LaVague利用两个核心组件，首先是世界模型，它接收目标和当前状态（即当前网页），并将其转化为指令。 其次是动作引擎，它将这些指令编译成动作代码，并利用Playwright和Selenium来执行这些代码。 安装与部署那么如何开始呢？你只需用pip安装命令安装它，只需将其复制粘贴到命令提示符中。 
之后你需要构建一个代理，并使用这里指定的目标实现它。 在他们的文档中有详细说明，他们进一步展示了如何自定义不同类型的内容，如何与不同的大型语言模型、不同类型的插件及其他第三方集成合作。 所以一定要看看快速指南及其自定义文档，这将为你提供更详细的安装过程和不同教程的展示。 
https://docs.lavague.ai/
| 
