AutoGLM-Web - AI浏览器助手，模拟用户进行网页浏览与交互

AutoGLM-Web是什么

AutoGLM-Web是一个会模仿人操作网页的 AI 浏览器助手，用大型语言模型搭起来，能做访问网页、查信息、总结内容这类事。只要给一句文字或语音指令，它就能在私域网站上做高级检索、模拟人浏览网页，多个网页批量一起处理。它还能结合过往邮件自动回信。

模型用的是自进化的在线课程强化学习框架 WEBRL，靠自适应学习策略一轮轮迭代，性能一直在涨。AutoGLM-Web 不绑死在某个 API 或任务场景上，操作逻辑跟人差不多，帮用户在日常和工作里更顺地用电子设备。目前，AutoGLM-Web在“智谱清言”插件对外开放使用。

AutoGLM-Web的主要功能

• 网页浏览与交互：模仿人在浏览器里的动作，比如点击、滚动、输入。
• 信息检索：在指定网站做高级检索，找到要的信息。
• 内容总结：读完网页再做总结，把重点信息挑出来。
• 邮件回复：结合过往邮件，自动把回复写好。
• 自动化任务执行：按用户指令，连着完成一串网页操作。

AutoGLM-Web的技术原理

• 基于大型语言模型（LLM）： 用语言模型听懂自然语言指令，再转成具体的网页操作。
• 自进化在线课程强化学习框架（WEBRL）： 靠在线学习持续优化模型，网页环境和任务怎么变都能跟得上。
• HTML简化算法： 把复杂的网页 HTML 代码简化，挑出关键信息，让模型好理解、好操作。
• 混合人机数据构建： 把自动生成的数据和人工标注的数据合起来做训练集，模型更准、泛化也更好。
• 多模态学习： 把视觉问答、视觉定位这些信息合到一起用，模型对网页更看得懂、也更会操作。

AutoGLM-Web的项目地址

• 产品体验（清言插件）：/posts/qingyan-webagent
• GitHub仓库：https://github.com/THUDM/AutoWebGLM
• arXiv技术论文：https://arxiv.org/pdf/2404.03648
• AutoGLM智能体：AutoGLM - 智谱AI推出的全球首个手机Agent

AutoGLM-Web的应用场景

• 自动化办公：办公里，AutoGLM-Web 能自动录数据、汇总信息、生成报告，少干些重复活。
• 在线研究与学习：帮学生或研究人员在线查资料、整理和研究相关的网页信息，写论文时搭把手。
• 电子商务：电商平台上，AutoGLM-Web 能自动收产品信息、比价、盯订单状态。
• 客户服务：AutoGLM-Web 能自动回邮件、处理常见咨询，客服做起来更快、也更稳。
• 内容策划与管理：做内容和管内容时，帮团队快点找素材、理大纲、编文案。