はじめに browser-use を使う上で詳しいドキュメントがなかったので、自分で使ってみたことをまとめてみました。 browser-use の基礎的なところは以下にまとめてあります。 ブラウザを起動させず、ヘッドレスモードで実行したい BrowserConfigのheadlessをTrueにすることで、ブラウザを起動させず、ヘッドレスモードで実行することができます。 from browser_use.browser.browser import Browser, BrowserConfig browser = Browser( config=BrowserConfig( headless=True, ) ) async def main(): model = ChatOpenAI(model='gpt-4o') agent = Agent( task='東京の天気をGoogleで調べて

テクノロジーライター、Gマーク・パートナーショップ「AssistOn」取締役。 スティーブ・ジョブズ、ビル・ ゲイツ、スティーブ・ウォズニアックのインタビュー記事をはじめ、IT、カメラ、写真、デザイン、自転車など様々な分野の文筆活動や、製品開発のアドバイスを行う。 主な著書・共著書に『成功する会社はなぜ「写真」を大事にするのか』（講談社現代ビジネスブック）、『インテル中興の祖 アンディ・グローブの世界』（同文舘出版）、『ICTことば辞典』（三省堂）など。主な訳書に『Apple Design 日本語版』（アクシスパブリッシング）、『スティーブ・ジョブズの再臨』（毎日コミュニケーションズ）など。 最新刊として、『ルンバをつくった男 コリン・アングル「共創力」』（小学館）。 AssistOnホームページ：https://www.assiston.co.jp ビジネスを変革するテクノロジー 今やテ

はじめにインターネットで調べ物をしたときに、あとで「あの記事どこにいったっけ」と探し直すのに時間がかかった経験はありませんか？ 私はとても悩んでいました。ごく最近までは。 ところが、最近、理想の情報収集ツールと出会ったのです。それが今回紹介する、Google Chromeの拡張機能 'Web Highlights' です。 Google Chromeには、「ハイライター」と呼ばれるジャンルの拡張機能がたくさんリリースされています。ハイライターの機能は、本を読みながら下線をつけたり付箋を貼ったりするように、ブラウザで記事を読みながら、ハイライト（蛍光ペンでなぞる）をつけておくものです。 そして、そのハイライターの最高峰だと私が断言するのが、このWeb Highlightsです。これは、もはや、ハイライターの域を超えて、ブラウザを革命的な情報収集・整理ツールへと進化させる唯一無二のツールである

概要 開発者向けの AI ツールは数多くありますが、その中で「Cody」は 無名ながらも知る人ぞ知る優れたプロダクトです。私が普段いるAI技術者コミュニティでは密かに絶大な支持を集めていますが、SNSなどでの一般的な知名度はほとんどないため、ここで紹介します。 Cody は無料プランが圧倒的に強い他、課金プランも、GitHub Copilot、Cursor、ChatGPT と比較して使いやすさと機能性で大きく抜きん出ています。私はすでに半年課金愛用していて、おそらく来年も愛用するでしょう。 Cody とはなんぞや Cody くんは、VSCode や、JetBrains IDEs、Neovim、Eclipseなどのコードエディタの拡張機能として使えるコーディング補助 AI ツールです。 他の生成 AI コードツールと同様に、AI コード補完とAIチャットがあります。 なぜ Cody がおスス

みなさん LT スライドってどうやって作っていますか？ 最近サークル内などで LT をする機会があり、「スライドどうやって作っているの？」と聞かれることがあったため、私の LT スライド作りを支える技術をまとめておこうと思います。 直近で作ったスライドの例 ↓ スライドを Markdown で書く タイトルにもある通り「爆速で」作るためには、テキストベースで作っていくのが最適だと考えています。 パワポや Canva など WYSIWYG エディターでスライドを作ることも可能ですが、LT を聞きながら自分の LT のスライドを作るような場面では、GUI で凝っている余裕はありません。 そして HTML を書くのは大変なので、軽いマークアップ言語としてまず出てくるのは Markdown だと思います。 Markdown からスライドを作成できるツール・サービスはいろいろありますが、私はスライド

「はてブル パネル」は、ウェブページに付けられたはてなブックマークのコメントや、ウェブページに対するBluesky上の言及をサイドバーに表示できるChrome拡張機能です。コメント表示機能だけでなくChatGPTなどのAIサービスを用いた要約機能や、ウェブページ中の文字列を爆速でウェブ検索できる機能なども搭載されているそうなので、実際に使ってみました。 はてブル パネル - Chrome ウェブストア https://chromewebstore.google.com/detail/jffjglclhogdgliiibiciikihejddgeb まず、上記のリンクをクリックして配布ページにアクセスし、「Chromeに追加」をクリック。 画面上部に確認画面が表示されたら「拡張機能を追加」をクリック。 以下の通知が表示されたら「はてブル パネル」のインストールは完了です。 使いやすくするため

OpenAIの12日間連続の発表の最中、GoogleもGeminiモデルをアップデートしてGemini 2.0 flashなどを発表しました。 そんなGoogleの最新モデルを無料で利用できるプラットフォームとして提供されているのがGoogle AI Studioです。 そこで今回はGoogle AI Studio徹底解説として基本の使い方から、最近できるようになった機能の使い方まで網羅的に解説していきます。 Googleのアップデートの内容はこちらの記事で解説しています。 Google AI StudioとはGoogle AI Studioは、Googleが提供するウェブベースのAI開発プラットフォームです。 開発者やデータサイエンティストは、Google AI Studioを通じて、GeminiをはじめとするGoogleの最新AIモデルにアクセスすることができます。 Google AI

🐉 Automate Browser-based workflows using LLMs and Computer Vision 🐉 Skyvern automates browser-based workflows using LLMs and computer vision. It provides a simple API endpoint to fully automate manual workflows on a large number of websites, replacing brittle or unreliable automation solutions. Traditional approaches to browser automations required writing custom scripts for websites, often rely

Browser Use 自然言語でE2Eテストに使えないか試してみたので副産物を公開 サンプルコード スクリーンショットを取得するカスタムアクションを登録してステップ毎にスクリーンショットを取得するようプロンプトに指示を追加 from langchain_openai import ChatOpenAI from browser_use import Agent from browser_use.browser.browser import Browser, BrowserConfig from browser_use.controller.service import Controller import asyncio controller = Controller() agent = None @controller.registry.action('スクリーンショットを保存する')

今日もいつものようにシラスでデイリーAIニュースを配信していると、とんでもないものにでくわした。 もうタイトルに書いてあるけど、AIが勝手にブラウザを操作して色々やってくれてしまう、その名もBrowserUseだ。 インストールは超簡単。 macなら以下の二行だけだ。 $ pip install browser-use $ playwright install使うのも超簡単だが、コマンドラインに落ちるのが怖い人々には簡単に見えないかもしれない。環境変数のOPENAI_API_KEYとかにAPIキーを入れておくこと。 $ python >>> from langchain_openai import ChatOpenAI >>> from browser_use import Agent INFO [browser_use] BrowserUse logging setup complete

最終更新日： 2024年12月23日 突然ですが、みなさんは生成AIノーコードツールというものをご存じでしょうか。 ノーコードツールは知っているけれども、生成AIノーコードツールは知らないという方もいるのではないでしょうか。 実は、日本語で指示を出すだけで従来のノーコードツールよりも高性能なアプリやワークフローが開発できるため、ノーコードツールに生成AIをかけあわせた生成AIノーコードツールが注目を集めています。 そこで今回は、その生成AIノーコードの特徴や失敗しない選び方、さらには生成AIノーコードツールを徹底比較したランキングをお伝えしていきます。 また、記事後半では用途別のおすすめ生成AIノーコードツールもご紹介するので最後までご覧ください。 生成AIノーコードツールとは まず、ランキングを見ていく前に生成AIノーコードツールについて解説していきます。 生成AIノーコードツールとはそ

こんにちは！AI-Bridge Labのせいやです😊 Googleが提供する「NotebookLM」に、最新AIモデルのGemini 2.0が搭載され、新機能も続々と追加されましたね！ このアップデートによって、直感的なユーザーインターフェースを通じて、AIアシスタントとダイレクトにやり取りができるなど、情報整理や管理がこれまで以上にスムーズになりました。 また、新プラン「NotebookLM Plus」の発表も踏まえて、今回は旧バージョンからの進化ポイントや新たに搭載された便利な機能について解説していきたいと思います。 🔽 NotebookLMの詳しい使い方や概要について知りたい場合は、こちらの記事を参考にしてみてください。 NotebookLMの主な機能NotebookLMを初めて知ったという方もいると思うので、どんな機能があるか簡単に説明します。 公式サイト：https://no

テキストから音声ファイル、YouTubeまでアップロード実際に使ってみることで、NotebookLMの汎用性の高さを感じることができるでしょう。 Googleアカウントがあれば、NotebookLMは無料で使うことができます（2024年9月30日現在）。下記のリンクにアクセスしたら、まずはGoogleアカウントを使ってログインします。 ログイン後、「新しいノートブックを作成する」を選択し情報源となる資料をアップロードします。 すると、Googleドキュメント、スライド、PDF、テキストファイル、Webページなど、様々な形式のファイルをアップロードすることができます。YouTubeも取り込めるのは驚きですね。ただし、有料記事などの一部Webサイトは読み込めません。 回答の精度を検証するための例として、芥川龍之介の『羅生門』の本文をテキストで読み込ませました。 すると、最初にノートブックガイド

概要 Microsoft が提供を開始した MarkItDown を試してみましたのでコードとその結果を共有します。MarkItDown では下記のファイルの変換をサポートしているようなのですが、ファイルを用意するのが面倒であったため、ライブラリのテストに利用されているファイルを変換してみます。コード実行環境を Google Colab で実施しています。 PDF (.pdf) PowerPoint (.pptx) Word (.docx) Excel (.xlsx) Images (EXIF metadata, and OCR) Audio (EXIF metadata, and speech transcription) HTML (special handling of Wikipedia, etc.) Various other text-based formats (csv, j

2024年12月11日(水)にGoogleが情報整理AI機能「Deep Research」を発表しました。Deep Researchはユーザーの指示に従って課題解決に役立つ情報をインターネット上から収集してくれる機能で、収集した情報を分かりやすいレポートにまとめて出力してくれます。 Gemini: Try Deep Research and Gemini 2.0 Flash Experimental https://blog.google/products/gemini/google-gemini-deep-research/ インターネット上には課題解決に役立つ情報が多数存在していますが、人間の手で目的の情報を探してまとめるのには非常に長い時間がかかります。Deep ResearchはGoogleの有料AIサービス「Gemini Advanced」に追加された機能で、ユーザーの指示に従っ