你的全能 AI 网页 Agent：每月省下 200 美元以上，释放无限可能！
想象一下，拥有一个每月不花一分钱、直接在你的电脑上运行、且功能不受限制的 AI Agent。OpenAI Operator 每月收费高达 200 美元，却限制 API 调用次数，并禁止访问许多任务，比如浏览数千个网站。而有了 DeepSeek-R1 和 Browser-Use，你可以：
• 省钱，同时保持所有数据本地化和私密性。
• 自动访问 100,000 多个网站，收集数据、填写表单，像人类一样浏览。
• 获得完全的自由，以前所未有的方式探索、抓取和与网页交互。
你可能听说过 OpenAI 的 Operator，它运行在云端的电脑上，你需要把私人信息交给他们的 AI 才能做有用的事。而且你还得为这个“礼物”付费。担心密码、登录信息和个人细节被泄露，这并非偏执。OpenAI 当然会收取一大笔费用，而且还会限制你能访问的网站，比如 YouTube。而使用本方法，你将直接用自然语言告诉 AI 你想让它做什么，然后看着它浏览网页、收集信息、做出决策——全程无需编写一行代码。
在本指南中，我们将向你展示如何构建一个 AI Agent，用于执行抓取新闻、分析社交媒体提及、以及使用 DeepSeek-R1 和 Browser-Use 进行预测等任务，但无需编写 Python 脚本，你只需通过提示词与 AI 直接交互。
这些说明会不断更新，因为 DeepSeek R1 才发布几天。Browser-Use 已经是一个标准工具一段时间了。这种方法适合 AI 和编程新手。刚开始可能觉得技术性很强，但到本指南结束时，你将能自信地通过对话让 AI Agent 执行各种任务。不过，如果你觉得这些说明太复杂，别担心，我们很快会推出一个一键下载的应用程序。目前正在测试中。
此说明为第 3.0 版，2025 年 1 月 26 日。
本指南将引导你设置 DeepSeek-R1 8B（4-bit）和 Browser-Use Web UI，确保即使是最新手也能成功。
你将实现什么
通过本指南，你将：
- 设置 DeepSeek-R1，一个在你的电脑上私密运行的推理 AI。
- 配置 Browser-Use Web UI，一个用于自动化网页抓取、表单填写和实时交互的工具。
- 创建一个能够查找股票新闻、收集 Reddit 提及并预测股票趋势的 AI Agent——且所有操作都在没有云端限制的情况下进行。
即将在 ReadMultiplex.com 上深入探讨
我们将深入探讨如何利用这个平台实现非常高级的 AI 用例，这些用例很少有人想到过，更不用说见过了。加入我们在 ReadMultiplex.com 的会员，你不仅能更早地看到未来，还能以具体务实的方式从未来中获利。
系统要求
硬件
• 内存：最低 8 GB（建议 16 GB）。
• 处理器：四核（Intel i5/AMD Ryzen 5 或更高）。
• 存储：5 GB 可用空间。
• 显卡：GPU 可选，用于加速处理。
软件
• 操作系统：macOS、Windows 10+ 或 Linux。
• Python：3.8 或更高版本。
• Git：已安装。
第一步：准备好你的工具
我们需要 Python、Git 和一个终端/命令提示符才能继续。请仔细按照说明操作。
安装 Python
- 检查 Python 安装：
• 打开终端/命令提示符并输入：
python3 --version
• 如果 Python 已安装，你会看到类似版本号：
Python 3.9.7
- 如果 Python 未安装：
• 从 python.org 下载 Python。
• 安装时，在 Windows 上确保勾选“将 Python 添加到 PATH”。
- 验证安装：
python3 --version
安装 Git
- 检查 Git 安装：
• 运行：
git --version
• 如果已安装，你会看到：
git version 2.34.1
- 如果 Git 未安装：
• Windows：从 git-scm.com 下载 Git 并按照说明操作。
• Mac/Linux：通过终端安装：
sudo apt install git -y # 适用于 Ubuntu/Debian
brew install git # 适用于 macOS
第二步：下载并构建 llama.cpp
我们将使用 llama.cpp 在本地运行 DeepSeek-R1 模型。
- 打开终端/命令提示符。
- 导航到一个干净的位置存放项目文件：
mkdir ~/AI_Project
cd ~/AI_Project
- 克隆 llama.cpp 仓库：
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
- 构建项目：
• Mac/Linux：
make
• Windows：
• 安装 C++ 编译器（例如 MSVC 或 MinGW）。
• 运行：
mkdir build
cd build
cmake ..
cmake --build . --config Release
第三步：下载 DeepSeek-R1 8B 4-bit 模型
- 下载 4-bit 量化模型文件：
• 示例：DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf。
- 将模型移动到你的 llama.cpp 文件夹：
mv ~/Downloads/DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf ~/AI_Project/llama.cpp
第四步：启动 DeepSeek-R1
- 导航到你的 llama.cpp 文件夹：
cd ~/AI_Project/llama.cpp
- 使用示例提示词运行模型：
./main -m DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf -p "What is the capital of France?"
- 预期输出：
The capital of France is Paris.
第五步：设置 Browser-Use Web UI
- 返回你的项目文件夹：
cd ~/AI_Project
- 克隆 Browser-Use 仓库：
git clone https://github.com/browser-use/browser-use.git
cd browser-use
- 创建虚拟环境：
python3 -m venv env
- 激活虚拟环境：
• Mac/Linux：
source env/bin/activate
• Windows：
env\Scripts\activate
- 安装依赖：
pip install -r requirements.txt
- 启动 Web UI：
python examples/gradio_demo.py
- 在浏览器中打开本地 URL：
第六步：为 DeepSeek-R1 配置 Web UI
- 在 Web UI 中进入设置面板。
- 指定 DeepSeek 模型路径：
~/AI_Project/llama.cpp/DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf
- 调整超时设置：
• 将超时时间增加到 120 秒，以应对较大的模型。
- 如果系统内存低于 16 GB，请启用内存节省模式。
第七步：运行一个示例任务
让我们创建一个 Agent，它能够：
- 搜索特斯拉股票新闻。
- 收集 Reddit 上的提及。
- 预测股票趋势。
示例提示词：
在 Google 新闻上搜索“Tesla stock news”，总结前 3 条头条。然后，检查 Reddit 上关于“Tesla stock”的最新讨论，并根据新闻和讨论预测该股票是否会涨。
--
恭喜！你已经构建了一个强大、私密的 AI Agent，能够自动处理网页任务并实时推理。与 OpenAI Operator 等昂贵且受限的工具不同，你除了时间之外没有花任何钱。将这些 AI Agent 用于过去不可能完成的任务，想象一下它在个人项目、研究和商业中的可能性。你不再受限制。你拥有网络——你的 AI Agent 刚刚解锁了它！🚀
请继续关注一个免费、简单易用的单一应用程序，它将实现这一切甚至更多。
