browser-use · Browser & OS Action
给浏览器一个目标，让 Jev 选择操作和页面控件，需要输入文字时再调用文本模型。
根据当前 DOM，在一次请求里选择操作和相应控件；文本模型负责生成输入内容。
把界面选择、文字生成与浏览器执行分开，方便查看每一步。
作者在单一 Google Flights 任务上做了每组 3 次对照，报告中位数约 7.1 秒；初始导航未计入，不是通用 Agent 基准。