Openbrowser：面向智能体的浏览器任务工作流工具

Lycoperdonbactericide741/Openbrowser · Browse web pages for AI agents with structured semantic state and element IDs, no screenshots needed

GitHub原文发布未知首次收录 2026-10-11上架 2026-10-11 09:00

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Openbrowser 是一个为智能体（agent）使用而设计的浏览器，用于打开网页、在站点间导航，并将浏览器操作集中在同一处。README 描述其适合智能体测试、按任务浏览网页、重复访问页面、简单站点检查以及浏览器驱动的工作流，并给出 Windows 下载、解压与启动的安装步骤。材料未说明其内部实现方式、是否提供 API 或结构化状态接口。

# Windows # Agent 用户体验 # 浏览器智能体 # agentic-browser # 任务式浏览

核心能力与快速开始

★ 0

能做什么: 提供面向智能体任务的浏览器：打开网站、在页面之间移动、使用标签页分隔不同任务、保持站点打开并在稍后返回同一页面。README 称其布局更偏向智能体工作而非普通随意浏览，并建议引导式浏览或自动化支持时每个标签页保持一个任务，便于追踪浏览器行为。
适用场景: 智能体测试、按任务进行网页浏览、重复访问页面、简单站点检查、浏览器驱动的工作流，以及需要干净浏览器窗口的用户操作场景。
项目形态: 可直接使用的工具
部署方式: README 仅说明面向 Windows 的下载方式：从下载页获取发布文件（.exe 或 .zip），若为 zip 需先解压，再运行 Openbrowser.exe。未说明服务端部署、跨平台支持或其他部署方式。
主要依赖: README 列出：Windows PC、足够的可用磁盘空间、稳定的网络连接，以及在本机安装和运行应用的权限；建议保持 Windows 更新并在安装时关闭其他大型应用。工作 PC 可能需要管理员权限。未说明编程语言、运行时或 API Key 等要求。
使用限制: 材料未说明项目内部实现、是否提供结构化语义状态或元素 ID 接口、模型或 API 依赖、许可协议与商用条件、性能与安全边界。README 以安装说明和常见问题为主，未给出具体技术文档。
许可证: 未说明
最近推送: 2026-10-10 15:33

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-11 07:00 · 卡片整理：2026-10-11 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

用于智能体测试和浏览器驱动的工作流：按任务打开网页、在站点间导航、重复访问页面，并保持一个任务一个标签页以便跟踪浏览器行为。

查看内容依据

Openbrowser fits well for: - Agent testing - Task-based web browsing - Repeated page visits - Simple site checks - Browser-driven workflows

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

用于按任务浏览网页、重复访问页面和简单站点检查，将浏览器操作集中在同一处，适合需要干净浏览器窗口的用户操作。

查看内容依据

Openbrowser is a browser made for agent use. It gives you a simple way to open pages, move through sites, and keep browser actions in one place.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

local-inference-setup：本地语言模型自包含启动器的声明式配置

该项目以声明式配置方式管理本地语言模型推理环境的搭建：提供模型下载清单、运行时分发、完整性校验脚本、模型管理文档，以及内嵌完整推理参数的 .cmd 启动器。仓库本身不包含 GGUF 权重或运行时二进制，需通过附带的 PowerShell 安装与下载脚本获取。启动器会显式声明上下文长度、采样参数，并借助 --gpu-layers auto 与 --fit on 自动决定设备放置；服务对外暴露 Web 界面、OpenAI 兼容 API 与健康检查端点。配置面向 Windows、指定硬件（RTX 5080 16GB、64GB 内存）并锁定 llama.cpp 运行时构建版本，接口无鉴权，仅建议在可信私有网络内使用。

book-to-skill：将技术书与文档转换为可按需加载的 Agent 技能

book-to-skill 是一个 Python 工具，能从技术书、内部文档、规范或研究资料中抽取结构（框架、决策规则、反模式、章节内容），生成符合 Agent Skills 开放标准的 SKILL.md 及章节、词汇表、模式与速查文件，写入跨 Agent 的技能目录。生成的技能可由 GitHub Copilot CLI、Amp、Codex、Claude Code 等宿主按需加载对应章节来回答问题，从而减少将整本书放入上下文带来的 Token 消耗。该仓库是上游的 Windows-first 维护型 fork，补充了繁体中文文档、Windows 开发与验收流程以及上游追踪机制。

Captioner：Windows 本地离线 AI 字幕生成与实时字幕工具

Captioner 是一个面向 Windows 的本地优先 AI 字幕工具，可在自有 GPU 或 CPU 上完全离线运行。它能批量把讲座、访谈、电视录像等音视频转为带词级时间的 SRT/VTT 字幕，也提供悬浮置顶的实时字幕条以约 1–2 秒延迟转写麦克风或系统音频。可选功能包括 pyannote 说话人标注、wav2vec2 词对齐、M2M100 多语言翻译与实时翻译、OpenAI 兼容后端接入、本地 HTTP API 与浏览器界面、监听文件夹自动转写与 webhook、内容去重和带崩溃恢复的任务队列，并支持自行微调 Whisper 模型。

OpenGeekLLM：面向极客的本地 LLM 浏览器聊天应用

OpenGeekLLM 是一个以浏览器为界面的本地 LLM 聊天应用，通过启动 llama.cpp 的 llama-server 子进程完成推理，数据默认保留在本地、不向云端发送。它在聊天之外集成了 Agentic RAG、DuckDuckGo 联网搜索、服务器文件读写、Google Drive 读写、可选的外部 LLM 兜底，以及把 PDF 或网页经 OCR / HTML 清洗后自动登记进持久 RAG 的能力。项目强调精简依赖与易改造：服务端为单个 server.js（仅 express 与 ws），前端为单页 React，无需构建工具。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。