---
title: "Proxy Lite – 开源视觉语言模型，支持自动化网页任务"
url: "https://paooo.com/aigc-news/21315/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T12:49:50+08:00"
updated_at: "2026-06-08T12:49:50+08:00"
categories: "AIGC 资讯"
tags: "AI办公效率, AI智能体, AI编程, DeepSeek, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Proxy Lite – 开源视觉语言模型，支持自动化网页任务

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21315/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 3B 轻量 VLM 结合网页视觉理解与工具调用，可自动完成浏览器交互任务。
- 支持点击、表单填写、滚动、抓取与 UI 测试，覆盖多类网页自动化场景。
- 内置 Playwright 浏览器框架，强调低资源占用，适合开发者快速部署。

## Proxy Lite是什么

Proxy Lite 是开源的轻量级视觉语言模型（VLM），参数量为3B，支持自动化网页任务。Proxy Lite 能像人类一样操作浏览器，完成网页交互、数据抓取、表单填写等重复性工作，显著降低自动化成本。Proxy Lite用“观察-思考-工具调用”的三步决策机制，具备强大的泛化能力和低资源占用，支持在消费级GPU上高效运行。Proxy Lite 提供完整的浏览器交互框架，支持网页自动化测试、数据提取、智能任务助手等多种应用场景，适合开发者快速部署和使用。

## Proxy Lite的主要功能

- **网页自动化操作**：自动完成浏览器中的各种操作，如点击按钮、填写表单、滚动页面、处理弹窗等。

- **网页数据抓取**：解析网页内容，提取结构化数据，支持新闻、社交媒体、电商平台等多类型网页的数据抓取。

- **AI驱动的交互式Web代理**：结合视觉感知能力，实现UI自动化测试和前端行为分析。

- **智能任务助手**：帮助用户搜索、筛选和总结信息，提升网页导航体验。

- **低资源占用**：仅3B参数，支持在消费级GPU上高效运行，无需依赖大型云计算资源。

## Proxy Lite的技术原理

- **视觉语言模型（VLM）**：结合视觉感知（图像识别）和自然语言处理能力，理解和操作网页内容。

- **三步决策机制**：

**观察**：评估上一操作是否成功，并获取当前网页的状态信息。

- **思考**：根据当前页面状态进行推理，决定下一步操作。

- **工具调用**：基于浏览器API进行交互，如点击、输入、滚动等。

- **浏览器交互框架**：内置完整的浏览器交互控制框架，用Playwright库驱动浏览器操作，支持无头模式（Headless）和隐身模式（Stealth）以降低被反爬风险。

- **执行反馈机制**：借鉴[DeepSeek R1](https://ai-bot.cn/deepseek-r1/)等模型的反馈机制，在任务执行中不断优化决策流程，提升执行准确性。

## Proxy Lite的项目地址

- **GitHub仓库**：[https://github.com/convergence-ai/proxy-lite](https://github.com/convergence-ai/proxy-lite)

## Proxy Lite的应用场景

- **网页自动化操作**：自动完成点击、填写表单、滚动页面等任务，减少人工操作。

- **网页数据抓取**：提取新闻、电商等网页的结构化数据，用在数据分析或内容聚合。

- **自动化测试**：实现Web应用的UI自动化测试，快速检测界面功能。

- **智能任务助手**：帮助用户搜索、筛选信息，提升网页使用效率。

- **企业级任务自动化**：企业内部流程自动化，如数据录入和跨系统发布信息。

## 常见问题解答 (FAQ)

### Proxy Lite适合做哪些网页自动化任务？
它适合点击按钮、填写表单、滚动页面、处理弹窗、网页数据抓取、UI 自动化测试和智能信息筛选等重复性网页任务，能减少人工操作成本。

### Proxy Lite为什么适合消费级GPU运行？
因为它是 3B 参数的轻量级视觉语言模型，资源占用相对较低，结合浏览器交互框架即可高效执行网页任务，不必依赖大型云计算资源。

### Proxy Lite的核心工作机制是什么？
核心是“观察-思考-工具调用”三步决策：先判断页面状态，再推理下一步操作，最后通过浏览器 API 执行点击、输入、滚动等动作。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
