लोकल ब्राउज़र - डिवाइस पर AI वेब ऑटोमेशन

जल्द ही हमारे मुख्य रिपॉजिटरी में runanywhere-web-sdk के लिए समर्थन लॉन्च कर रहे हैं: कृपया इसे देखें: https://github.com/RunanywhereAI/runanywhere-sdks

एक Chrome एक्सटेंशन जो WebLLM का उपयोग करके AI-संचालित वेब ऑटोमेशन को पूरी तरह से डिवाइस पर चलाता है। कोई क्लाउड API नहीं, कोई API कुंजी नहीं, पूरी तरह से निजी।

डेमो

https://github.com/user-attachments/assets/898cc5c2-db77-4067-96e6-233c5da2bae5

विशेषताएँ

• डिवाइस पर AI: स्थानीय LLM अनुमान के लिए WebGPU त्वरण के साथ WebLLM का उपयोग करता है
• मल्टी-एजेंट सिस्टम: बुद्धिमान कार्य निष्पादन के लिए योजनाकार + नेविगेटर एजेंट
• ब्राउज़र ऑटोमेशन: वेब पेजों पर नेविगेट करें, क्लिक करें, टाइप करें, डेटा निकालें
• गोपनीयता-प्रथम: सभी AI स्थानीय रूप से चलता है, कोई डेटा आपके डिवाइस से बाहर नहीं जाता
• ऑफ़लाइन समर्थन: प्रारंभिक मॉडल डाउनलोड के बाद ऑफ़लाइन काम करता है

त्वरित आरंभ

पूर्वापेक्षाएँ

• Chrome 124+ (सेवा कर्मियों में WebGPU के लिए आवश्यक)
• Node.js 18+ और npm
• WebGPU समर्थन वाला GPU (अधिकांश आधुनिक GPU काम करते हैं)

स्थापना

1. क्लोन करें और निर्भरताएँ स्थापित करें:

   root@kitploit:~

   cd local-browser
   npm install
   

2. एक्सटेंशन बनाएँ:

   root@kitploit:~

   npm run build
   

3. Chrome में लोड करें:

   • chrome://extensions खोलें
   • "डेवलपर मोड" सक्षम करें (ऊपर दाएं)
   • "लोड अनपैक्ड" पर क्लिक करें
   • इस प्रोजेक्ट से dist फ़ोल्डर चुनें

4. पहली बार चलाएँ:

   • अपने टूलबार में एक्सटेंशन आइकन पर क्लिक करें
   • पहली बार चलाने पर AI मॉडल (~1GB) डाउनलोड होगा
   • यह भविष्य में उपयोग के लिए कैश्ड रहेगा

उपयोग

1. किसी भी वेबपेज पर नेविगेट करें
2. लोकल ब्राउज़र एक्सटेंशन आइकन पर क्लिक करें
3. एक कार्य टाइप करें जैसे:
   • "Wikipedia पर 'WebGPU' खोजें और पहला पैराग्राफ निकालें"
   • "example.com पर जाएँ और बताएँ कि वहां क्या है"
   • "खोज बॉक्स ढूंढें और 'AI समाचार' खोजें"
4. AI को चरण दर चरण कार्य निष्पादित करते देखें

विकास

विकास मोड

npm run dev

यह परिवर्तनों पर नज़र रखता है और स्वचालित रूप से पुनर्निर्माण करता है।

परियोजना संरचना

local-browser/
├── manifest.json           # Chrome एक्सटेंशन मैनिफ़ेस्ट (MV3)
├── src/
│   ├── background/         # सेवा कार्यकर्ता
│   │   ├── index.ts        # प्रवेश बिंदु और संदेश हैंडलिंग
│   │   ├── llm-engine.ts   # WebLLM रैपर
│   │   └── agents/         # AI एजेंट सिस्टम
│   │       ├── base-agent.ts
│   │       ├── planner-agent.ts
│   │       ├── navigator-agent.ts
│   │       └── executor.ts
│   ├── content/            # सामग्री स्क्रिप्ट
│   │   ├── dom-observer.ts # पृष्ठ स्थिति निकालना
│   │   └── action-executor.ts
│   ├── popup/              # React पॉपअप UI
│   │   ├── App.tsx
│   │   └── components/
│   └── shared/             # साझा प्रकार और स्थिरांक
└── dist/                   # बिल्ड आउटपुट

यह कैसे काम करता है

1. उपयोगकर्ता पॉपअप UI में एक कार्य दर्ज करता है
2. योजनाकार एजेंट कार्य का विश्लेषण करता है और एक उच्च-स्तरीय रणनीति बनाता है
3. नेविगेटर एजेंट वर्तमान पृष्ठ DOM की जाँच करता है और अगली कार्रवाई तय करता है
4. सामग्री स्क्रिप्ट कार्रवाई निष्पादित करती है (क्लिक, टाइप, निकालना, आदि)
5. कार्य पूर्ण होने या विफल होने तक लूप जारी रहता है

एजेंट सिस्टम

एक्सटेंशन Nanobrowser से प्रेरित दो-एजेंट आर्किटेक्चर का उपयोग करता है:

• PlannerAgent (योजनाकार एजेंट): सामरिक योजना, चरण-दर-चरण दृष्टिकोण बनाता है
• NavigatorAgent (नेविगेटर एजेंट): सामरिक निष्पादन, पृष्ठ स्थिति के आधार पर विशिष्ट क्रियाएँ चुनता है

दोनों एजेंट संरचित JSON आउटपुट करते हैं जिसे पार्स और निष्पादित किया जाता है।

मॉडल कॉन्फ़िगरेशन

डिफ़ॉल्ट मॉडल: Qwen2.5-1.5B-Instruct-q4f16_1-MLC (~1GB)

वैकल्पिक मॉडल (src/shared/constants.ts में कॉन्फ़िगर किए गए):

• Phi-3.5-mini-instruct-q4f16_1-MLC (~2GB, बेहतर तर्क)
• Llama-3.2-1B-Instruct-q4f16_1-MLC (~0.7GB, छोटा)

समस्या निवारण

WebGPU समर्थित नहीं

• Chrome को संस्करण 124 या बाद में अपडेट करें
• chrome://gpu की जाँच करें WebGPU स्थिति सत्यापित करने के लिए
• कुछ GPU WebGPU का समर्थन नहीं कर सकते

मॉडल लोड होने में विफल

• सुनिश्चित करें कि आपके पास पर्याप्त डिस्क स्थान है (~2GB खाली)
• त्रुटियों के लिए ब्राउज़र कंसोल की जाँच करें
• एक्सटेंशन का स्टोरेज साफ़ करके पुनः लोड करने का प्रयास करें

क्रियाएँ निष्पादित नहीं हो रहीं

• कुछ पृष्ठ सामग्री स्क्रिप्ट को ब्लॉक करते हैं (chrome://, एक्सटेंशन पृष्ठ)
• wikipedia.org जैसे नियमित वेबपेज पर प्रयास करें

Chrome अपडेट के बाद एक्सटेंशन काम नहीं कर रहा

• chrome://extensions पर जाएँ
• एक्सटेंशन पर रीलोड बटन पर क्लिक करें

सीमाएँ

• POC दायरा: यह एक प्रूफ-ऑफ-कॉन्सेप्ट है, उत्पादन सॉफ़्टवेयर नहीं
• कोई विज़न नहीं: केवल टेक्स्ट-आधारित DOM विश्लेषण (स्क्रीनशॉट समझ नहीं)
• एकल टैब: केवल वर्तमान सक्रिय टैब के साथ काम करता है
• बुनियादी क्रियाएँ: नेविगेट, क्लिक, टाइप, निकालना, स्क्रॉल, प्रतीक्षा का समर्थन करता है
• मॉडल आकार: छोटे मॉडल जटिल कार्यों में संघर्ष कर सकते हैं

तकनीकी स्टैक

• WebLLM: WebGPU के साथ डिवाइस पर LLM अनुमान
• React: पॉपअप UI
• TypeScript: प्रकार-सुरक्षित विकास
• Vite + CRXJS: Chrome एक्सटेंशन बंडलिंग
• Chrome Extension Manifest V3: आधुनिक एक्सटेंशन आर्किटेक्चर

श्रेय

यह प्रोजेक्ट निम्नलिखित से प्रेरित है:

• Nanobrowser - मल्टी-एजेंट वेब ऑटोमेशन (MIT लाइसेंस)
• WebLLM - ब्राउज़र में LLM अनुमान (Apache-2.0 लाइसेंस)

निर्भरता लाइसेंस

लाइसेंस

MIT लाइसेंस - विवरण के लिए LICENSE फ़ाइल देखें।