Tarsier视觉工具用于网络交互代理

分享海报

@user_3c6cb52e/tarsier-vision-utilities-web-interaction-agents

Tarsier 是 Reworkd 提供的一个 Python 库，为 AI 网页交互代理提供视觉工具。它使用括号 ID 为网页上的可交互元素添加视觉标签，使大型语言模型能够执行点击 [23] 等操作，并包含一个 OCR 算法，将页面截图转换为基于空白字符结构的文本表示形式，即使是纯文本大型语言模型也能理解。