Proxy Lite

Proxy Lite 是一款开源的轻量级视觉语言模型（VLM），其参数数量为 3B，专注于自动化网页操作。该模型能够像人类一样执行浏览器操作，包括网页交互、数据抓取和表单填写等重复性任务，从而显著降低自动化成本。它采用了“观察-思考-工具调用”三步决策机制，具备卓越的泛化能力，资源占用低，可高效运行于消费级 GPU。Proxy Lite 还提供了完整的浏览器交互框架，适用于网页自动化测试、数据提取、智能任务助手等多种应用场景，方便开发者快速部署和使用。

Proxy Lite 的主要功能包括：

• 网页自动化操作：自动执行浏览器中的各种操作，如点击按钮、填写表单、滚动页面和处理弹窗等。
• 网页数据抓取：解析网页内容，提取结构化数据，支持从新闻、社交媒体到电商平台等多种类型网页的数据抓取。
• AI 驱动的交互式 Web 代理：结合视觉感知能力，进行 UI 自动化测试和前端行为分析。
• 智能任务助手：帮助用户高效搜索、筛选和总结信息，提升网页导航的体验。
• 低资源占用：仅需 3B 参数，在消费级 GPU 上高效运行，无需依赖大型云计算资源。

Proxy Lite 的技术原理包括：

• 视觉语言模型（VLM）：结合视觉感知（图像识别）与自然语言处理的能力，理解和操作网页内容。
• 三步决策机制：包括“观察”、“思考”和“工具调用”，通过浏览器 API 进行交互操作，如点击、输入和滚动等。
• 浏览器交互框架：内置完整浏览器控制框架，采用 Playwright 库驱动浏览器操作，支持无头模式和隐身模式，降低被检测的风险。
• 执行反馈机制：借鉴其他模型的反馈机制，在任务执行过程中不断优化决策流程，提高执行准确性。

如需了解更多关于 Proxy Lite 的信息，可访问其 GitHub 仓库：https://github.com/convergence-ai/proxy-lite。Proxy Lite 的应用场景涵盖网页自动化操作、数据抓取、自动化测试、智能任务助手和企业级任务自动化等多个领域。该产品免费开源，支持在消费级 GPU 上高效运行，操作简便并无需高端设备。