Proxy Lite

Proxy Lite – 開源視覺語言模型，支持自動化網頁任務

Proxy Lite是什么

Proxy Lite 是一款開源的輕量級視覺語言模型（VLM），其參數數量為3B，專注于自動化網頁操作。Proxy Lite 能夠像人類一樣進行瀏覽器操作，完成網頁交互、數據抓取和表單填寫等重復性任務，從而顯著降低自動化的成本。該模型采用“觀察-思考-工具調用”的三步決策機制，具備卓越的泛化能力，并且資源占用低，能夠在消費級GPU上高效運行。此外，Proxy Lite 提供了完整的瀏覽器交互框架，適用于網頁自動化測試、數據提取、智能任務助手等多種應用場景，方便開發者快速部署和使用。

Proxy Lite

Proxy Lite的主要功能

網頁自動化操作：自動化執行瀏覽器中的多種操作，包括點擊按鈕、填寫表單、滾動頁面和處理彈窗等。
網頁數據抓取：解析網頁內容，提取結構化數據，支持從新聞、社交媒體到電商平臺等多種類型網頁的數據抓取。
AI驅動的交互式Web代理：結合視覺感知能力，進行UI自動化測試和前端行為分析。
智能任務助手：幫助用戶高效搜索、篩選和總結信息，提升網頁導航的體驗。
低資源占用：僅需3B的參數，能夠在消費級GPU上高效運行，無需依賴大型云計算資源。

Proxy Lite的技術原理

視覺語言模型（VLM）：結合視覺感知（圖像識別）與自然語言處理的能力，理解和操作網頁內容。
三步決策機制：
- 觀察：評估上一步操作是否成功，并獲取當前網頁的狀態信息。
- 思考：根據網頁的當前狀態進行推理，決定下一步的操作。
- 工具調用：利用瀏覽器API進行交互，如點擊、輸入和滾動等。
瀏覽器交互框架：內置的完整瀏覽器控制框架，采用Playwright庫驅動瀏覽器操作，支持無頭模式（Headless）和隱身模式（Stealth），以降低被反的風險。
執行反饋機制：借鑒DeepSeek R1等模型的反饋機制，在任務執行過程中不斷優化決策流程，提高執行的準確性。