LiteWebAgent

让 AI 像人一样看懂网页并自动操作，快速构建 Web 智能体。

LiteWebAgent 是一个面向 VLM（视觉语言模型）的 Web 智能体开源套件，源自 NAACL 2025 论文。它解决的核心问题是：如何让 AI 智能体像人一样“看”网页并完成操作任务（如点击、填写、导航）。项目提供完整的智能体框架，支持基于视觉的网页理解、动作规划与执行，并集成了自主工作流和评估工具。其核心能力包括：多模态网页解析、任务分解与执行、以及可复现的基准测试环境。技术栈基于 Python，强调模块化和可扩展性，适合研究者和开发者快速构建自己的 Web 自动化智能体。目前项目处于早期阶段，但架构清晰，旨在降低 VLM 驱动的 Web 智能体开发门槛。