您的全方位 AI 網頁 Agent：每月省下 $200 以上，釋放無限可能！
想像一下，擁有一個每月零成本、直接在你的電腦上運行、且功能不受限制的 AI agent。OpenAI Operator 每月收費高達 $200，卻只提供有限的 API 呼叫次數，而且對於許多任務（例如瀏覽數千個網站）設有限制。有了 DeepSeek-R1 和 Browser-Use，你將可以：
• 省下金錢，同時保持一切在本機執行且隱私無虞。
• 自動造訪超過 100,000 個網站、收集資料、填寫表單，並像人類一樣瀏覽網頁。
• 獲得前所未有的自由，盡情探索、爬取並與網路互動。
你可能聽過 OpenAI 的 Operator，它是在他們雲端伺服器上的電腦中運行，你必須將私人資訊傳遞給他們的 AI 才能做些有用的事，而且你還得為此付費。不想讓你的密碼、登入資訊和個人資料被分享，這並不是多疑。OpenAI 當然會收取高額費用，但他們提供的服務卻會限制你能造訪的網站，例如 YouTube。使用這個方法，你將開始用白話告訴 AI 你希望它做什麼，然後看著它瀏覽網頁、收集資訊、做出決策——完全不需要寫任何一行程式碼。
在本指南中，我們將示範如何建立一個 AI agent，讓它執行像是爬取新聞、分析社群媒體提及、以及利用 DeepSeek-R1 和 Browser-Use 進行預測等任務，但與其撰寫 Python 腳本，你將直接透過提示詞與 AI 互動。
這些說明會不斷更新，因為 DeepSeek R1 才剛推出幾天。Browser Use 已經成為標準一段時間了。這種方法適合剛接觸 AI 和程式設計的人。一開始可能看起來有點技術性，但到本指南結束時，你將能自信地使用你的 AI agent 來執行各種任務，全都只需要跟它對話。如果你看了這些說明覺得太複雜，請稍等，我們很快就會推出一個單一的應用程式下載。目前正在測試中。**
這是這些說明的 3.0 版，2025 年 1 月 26 日。
本指南將逐步引導你設定 DeepSeek-R1 8B（4-bit）和 Browser-Use Web UI，確保即使是最初階的使用者也能成功。
你將達到的成果
依照本指南，你將能夠：
- 設定 DeepSeek-R1，一個在你電腦上私密運行的推理 AI。
- 設定 Browser-Use Web UI，一個用於自動化網頁爬取、表單填寫和即時互動的工具。
- 建立一個能夠尋找股票新聞、收集 Reddit 提及、並預測股票趨勢的 AI agent——而且完全不受雲端限制。
即將在 ReadMultiplex.com 進行深入探討
我們將深入探討如何利用這個平台來實現非常進階的 AI 使用案例，這些案例很少有人想過，更別說見過。加入我們在 ReadMultiplex.com，成為一位不僅能更早看見未來，還能以具體且務實的方式從未來獲利的會員。
系統需求
硬體
• RAM：最低 8 GB（建議 16 GB）。
• 處理器：四核心（Intel i5/AMD Ryzen 5 或更高）。
• 儲存空間：5 GB 可用空間。
• 顯示卡：選擇性，可加速處理。
軟體
• 作業系統：macOS、Windows 10+ 或 Linux。
• Python：3.8 或更高版本。
• Git：已安裝。
步驟 1：準備好你的工具
我們需要 Python、Git 和終端機/命令提示字元才能繼續。請仔細依照這些說明操作。
安裝 Python
- 檢查 Python 安裝：
• 開啟你的終端機/命令提示字元，輸入：
python3 --version
• 如果 Python 已安裝，你會看到類似這樣的版本號：
Python 3.9.7
- 如果 Python 未安裝：
• 從 python.org 下載 Python。
• 安裝時，請確保在 Windows 上勾選「Add Python to PATH」。
- 驗證安裝：
python3 --version
安裝 Git
- 檢查 Git 安裝：
• 執行：
git --version
• 如果已安裝，你會看到：
git version 2.34.1
- 如果 Git 未安裝：
• Windows：從 git-scm.com 下載 Git 並依照指示安裝。
• Mac/Linux：透過終端機安裝：
sudo apt install git -y # 適用於 Ubuntu/Debian
brew install git # 適用於 macOS
步驟 2：下載並建置 llama.cpp
我們將使用 llama.cpp 在本機執行 DeepSeek-R1 模型。
- 開啟你的終端機/命令提示字元。
- 導航到一個乾淨的位置來存放你的專案檔案：
mkdir ~/AI_Project
cd ~/AI_Project
- 複製 llama.cpp 儲存庫：
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
- 建置專案：
• Mac/Linux：
make
• Windows：
• 安裝 C++ 編譯器（例如 MSVC 或 MinGW）。
• 執行：
mkdir build
cd build
cmake ..
cmake --build . --config Release
步驟 3：下載 DeepSeek-R1 8B 4-bit 模型
- 下載 4-bit 量化模型檔案：
• 範例：DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf。
- 將模型移動到你的 llama.cpp 資料夾：
mv ~/Downloads/DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf ~/AI_Project/llama.cpp
步驟 4：啟動 DeepSeek-R1
- 導航到你的 llama.cpp 資料夾：
cd ~/AI_Project/llama.cpp
- 使用範例提示詞執行模型：
./main -m DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf -p "法國的首都是哪裡？"
- 預期輸出：
法國的首都是巴黎。
步驟 5：設定 Browser-Use Web UI
- 回到你的專案資料夾：
cd ~/AI_Project
- 複製 Browser-Use 儲存庫：
git clone https://github.com/browser-use/browser-use.git
cd browser-use
- 建立虛擬環境：
python3 -m venv env
- 啟用虛擬環境：
• Mac/Linux：
source env/bin/activate
• Windows：
env\Scripts\activate
- 安裝依賴套件：
pip install -r requirements.txt
- 啟動 Web UI：
python examples/gradio_demo.py
- 在瀏覽器中開啟本機 URL：
步驟 6：為 DeepSeek-R1 設定 Web UI
- 前往 Web UI 中的「設定」面板。
- 指定 DeepSeek 模型路徑：
~/AI_Project/llama.cpp/DeepSeek-R1-Distill-Qwen-8B-Q4_K_M.gguf
- 調整超時設定：
• 對於較大的模型，將超時時間增加到 120 秒。
- 如果你的系統 RAM 少於 16 GB，啟用記憶體節省模式。
步驟 7：執行一個範例任務
讓我們建立一個能夠：
- 搜尋特斯拉股票新聞。
- 收集 Reddit 上的提及。
- 預測股票趨勢的 agent。
範例提示詞：
在 Google 新聞上搜尋「特斯拉股票新聞」，並總結前 3 條頭條新聞。然後，檢查 Reddit 上關於「特斯拉股票」的最新提及，並根據新聞和討論預測該股票是否會上漲。
--
恭喜！你已經建立了一個強大、私密的 AI agent，能夠自動化網路操作並即時推理。與昂貴且受限的工具（如 OpenAI Operator）不同，你除了時間之外沒有花費任何費用。把你的 AI agent 釋放在那些曾經不可能的任務上，想像一下它為個人專案、研究和商業帶來的可能性。你不再受限了。你擁有整個網路——你的 AI agent 剛剛為你解鎖了它！🚀
敬請期待一個簡單易用的單一應用程式，它將完成這一切以及更多。
