Transcription
Я боюсь, что это видео может привести к бану, и позвольте мне объяснить, почему.
Сегодняшний урок посвящен тому, как создать своего собственного AI-агента для автоматизации ваших любимых приложений, таких как Twitter, Reddit или LinkedIn. Я научу вас, как извлекать новости, как взаимодействовать с контентом и даже как обращаться к пользователям.
Если вы создатель, ищущий идеи для контента, инвестор, пытающийся выявить тренды, или бренд, стремящийся связаться с микроинфлюенсерами, этот урок для вас. Мы будем использовать Anchor Browser, который является платформой для автоматизации AI-агентов. Я расскажу вам основы управления пользовательскими сессиями и как выполнять действия на платформе X для каждого из случаев использования.
Я расскажу вам, сколько времени это займет, сколько это будет стоить и что с этим можно сделать. Также я добавлю разные временные метки для каждого из случаев использования, чтобы вы могли вернуться к видео, когда это будет нужно. И наконец, я добавлю весь код, который вы увидите, на мой GitHub, он доступен для всех, так что вы можете просто перейти к нему.
Итак, давайте начнем. Быстро о себе: я Влад, я основатель Elements Agents, создал более 50 AI-агентов для компаний в области здравоохранения, недвижимости, страхования, а также SEO и маркетинга. Я создаю AI-агентов публично каждую неделю, так что у меня есть много ресурсов, если вы хотите разобраться, как создать своего собственного. У меня есть симулятор, который поможет вам понять, сколько вы сэкономите, создав AI-агента. Ссылка на него в описании этого видео. Обычно я беру 300 долларов в час, но оставляю несколько слотов каждую неделю для вас.
Итак, вернемся к уроку. Прежде чем углубиться в код, почему нам нужна платформа, такая как Anchor Browser? Если вы уже потратили немного времени на веб-скрейпинг или автоматизацию своих аккаунтов, где вам нужно аутентифицироваться, вы, вероятно, заметили, что часто вас блокируют. Причина в том, что эти платформы не хотят иметь ботов, и это вполне оправдано.
Однако реальность такова, что сегодня существует множество платформ, которые помогают обойти это, и в итоге это становится своего рода гонкой вооружений между антибот-продуктами, такими как Cloudflare, и платформами, такими как Browserless, Zen Rows или Firecrow, которые позволяют вам взаимодействовать от вашего имени. Все эти платформы работают по схожему принципу: они позволяют вам регистрировать пользовательские сессии, обходить капчи и обычно делают это, регистрируя токены ваших аутентификационных сессий или вводя настройки прокси и сложные алгоритмы для их обхода и решения.
У всех этих платформ есть свои сильные и слабые стороны. Я расскажу вам, почему мне нравится Anchor Browser. Firecrow очень мощный, если вы пытаетесь ответить на конкретные вопросы о содержании страницы, потому что он преобразует контент в Markdown. Zen Rows позволяет вам выполнять сложные JavaScript-инструкции, так что если вашему боту нужно извлекать информацию, нажимая на конкретные кнопки, Zen Rows довольно хорош в этом.
Browserless — это более продвинутая и новая версия, которая позволяет вам управлять сессиями с несколькими агентами, так что они могут выполнять довольно сложные задачи. Наконец, Anchor Browser управляет сессиями за вас, вы можете запрашивать страницы и выполнять задачи.
Причина, по которой мне нравится Anchor Browser, заключается в том, что он включает в себя все функции и стоит 100% за использование, в то время как Browserless стоит 200 долларов в месяц, а Zen Rows — более 300 долларов в месяц, если вы хотите иметь что-то, что достаточно хорошо обходит решения Cloudflare. Firecrow не может выполнять задачи, он только позволяет вам запрашивать данные.
Я бы сказал, что Anchor Browser — это лучшее универсальное решение по сравнению с этими. Теперь я покажу вам, как это работает и как вы можете начать.
Итак, сейчас мы на сайте Anchor Browser, и первый шаг, который нам нужно сделать, — это создать пользовательскую сессию, которую мы сможем использовать позже. Как я уже сказал, я пройду три разных случая использования на X. Первый случай использования будет заключаться в извлечении контента из X и преобразовании его в структурированный вывод, который вы сможете использовать позже в AI-агенте, используя CI, например.
Второй случай использования будет о том, как вы можете взаимодействовать с контентом, будь то лайк, репост или комментарий к посту. И наконец, третий случай использования будет о том, как вы можете автоматически обращаться с персонализированными сообщениями к любому на X. Эта логика может быть применена к любой другой платформе, но для целей этого урока я сосредоточусь на X.
Теперь я перейду на сайт Anchor, чтобы показать вам, как начать. Итак, как я уже сказал, нам нужно создать пользовательскую сессию. Вот документация от Anchor Browser о том, как это сделать.
Шаг первый: нам нужно зайти на Anchor Playground, чтобы аутентифицироваться, и я покажу вам, как это сделать. Затем, не закрывая эту сессию, мы определим и дадим имя этой сессии, чтобы каждый раз, когда мы заходим на X, X думал, что мы все еще вошли в систему, и мы сможем выполнять различные действия. Затем нам нужно завершить сессию.
Последний шаг: мы определили имя для этой пользовательской сессии, и мы можем использовать эту сессию, которую мы назвали, навсегда. Позвольте мне показать вам, как это работает на Playground.
Итак, Playground здесь. Под app.enor browser вы получите свой API-ключ и доступ к браузерному Playground. Нам нужно войти в X в первый раз, и поэтому нам нужно выбрать пример заполнения формы AI. Затем здесь, в заполнении формы AI, мы должны указать страницу входа по очевидным причинам. Я собираюсь замазать эти данные.
Теперь это начнется. Как я уже сказал, браузер попытается зайти на X, он переходит на страницу входа и вводит мой адрес электронной почты, имя пользователя и пароль. Что здесь очень мощно, так это то, что он попросит меня ввести код подтверждения, который я получу из своей электронной почты, и затем введу его здесь, чтобы в конечном итоге войти в Twitter и зарегистрировать эту сессию.
Итак, сейчас он вводит мой адрес электронной почты, имя пользователя и пароль. Теперь он запрашивает код подтверждения. Отлично! Теперь вы можете видеть, что он будет вводить в строку поиска, что было последним действием, которое мы запросили. Вы можете кликнуть на строку поиска.
Теперь вам нужно сделать следующее: взять эту сессию, добавить ее здесь, и мы зарегистрируем сессию. Круто! Статус: успех. Теперь мы создали имя "X tutorial", мы вошли в X и сможем использовать эту сессию позже. Я покажу вам, как это сделать.
Это всегда немного напряженно. Я дам вам подсказку, которую я использовал, и вы можете просто заполнить ее, но лучший способ сделать это — держать вкладку с вашей электронной почтой, где вы получите код подтверждения, чтобы вы могли ввести его быстро. Это немного сложная ситуация.
Теперь я показал вам код, где я в основном скопировал и вставил идентификатор сессии, и я не придумал это на пустом месте, так что я просто покажу вам, откуда это берется. Все это происходит из этого API-справочника, где вы можете создать свою собственную сессию, создать новый профиль.
Вам нужно вызвать этот API-профиль, где вы добавите свой API-ключ, дадите описание и имя. В моем случае я перешел к API-профилю и дал ему имя. Это описание моего профиля, так что вы можете сделать это здесь напрямую и просто дать имя. Все, что вам нужно сделать, это получить идентификатор сессии, который я скопировал и вставил здесь.
После того как вы создали этот профиль, вы можете запустить свой браузер. Это еще один API-эндпоинт, где вы просто передаете свой API-ключ, и затем здесь, под профилем, вы вводите свое имя. Это запустит новую сессию.
Итак, это то, что я собираюсь показать вам в первом случае использования, где мы будем извлекать контент из Twitter и затем структурировать его в формате JSON. Давайте перейдем к первому случаю использования.
Итак, в этом первом случае использования мы сделаем две вещи: мы извлечем информацию из Twitter и затем структурируем ее. Есть две части скрипта. Первая часть — это создание сессии, скрейпинг Twitter, а затем второй шаг — это фактический парсинг твитов с помощью LLM. Мы просто добавим цепочку LLM, чтобы структурировать вывод из Anchor Browser и преобразовать его в набор объектов.
Вот объект твита, где у нас есть автор, время, контент и ключевые метрики, а затем у нас есть список твитов. Финальный вывод будет выглядеть так. Это то, что на самом деле является сырым ответом, извлеченным из Anchor Browser, и затем мы получаем этот вывод LLM со списком объектов твитов.
Как это работает: я на самом деле собираюсь зайти в это сообщество, чтобы извлечь 10 самых последних постов на странице, а затем я попрошу Anchor Browser выполнить задачу извлечения постов с количеством лайков, просмотров и комментариев, а также указать, когда они были опубликованы. Если есть под-посты или ветки, я также прошу объединить это в один пост.
Просто чтобы показать вам, как выглядит это сообщество, давайте перейдем сюда. Это сообщество Building Public, и у нас есть последние медиа. Я собираюсь попросить своего агента кликнуть на "Топ" и получить 10 самых последних постов. У нас есть Марк, Джом, Эрик, Дид с их контентом.
Итак, давайте попробуем. В то же время я хочу быстро показать вам, сколько у меня кредитов, чтобы мы могли видеть, сколько мы заплатим за каждую сессию. У нас 162 кредита. Теперь это выполняется, прошло 20 секунд. Я приостановлю видео и просто начну его снова, когда мы закончим.
Хорошо, через 52 секунды он вернул информацию. У нас есть пост от Эрика Дэвида: "Эрик Дэвид, гордишься своим SAS?" Да, я пытаюсь его раскрутить с количеством просмотров, количеством лайков, он был опубликован 12 часов назад, и затем он преобразует этот вывод в структурированный список объектов твитов.
У нас есть этот, который стал вирусным, я помню, как его видел, Ольга Джей Басс и так далее. У вас есть вся эта информация. Я думаю, что ключ в этом скрипте — убедиться, что вы структурируете свой вывод и что вы достаточно четко объясняете своим агентам, что им следует делать.
И затем у нас есть эта подсказка с очень низкой температурой, используя GR Cloud с LLM 3.1, чтобы затем преобразовать всю информацию, которую мы получаем, в структурированный вывод. Если вы хотите интегрировать это в свой Crew AI и хотите создать инструмент, который будет скрейпить, чтобы затем генерировать скрипты или повторно использовать этот контент и публиковать его на Reddit или LinkedIn или чем-то подобном, это довольно мощная автоматизация с множеством вариантов использования.
Теперь, когда мы закончили с первым случаем использования, давайте посмотрим, сколько это нам стоило. Итак, это стоило нам 6 центов. Представьте, что вы могли бы делать это по разным сообществам и выполнять это действие, что, вероятно, за 5 минут извлекло бы всю необходимую информацию каждый день.
Второй случай использования очень похож. Если вы хотите комментировать и публиковать, вы просто дадите набор действий своему агенту. Из-за оставшихся кредитов я просто пропущу это, но это работает точно так же. Если у вас есть какие-либо вопросы, вы можете обратиться, но я думаю, что важно показать вам, как работает третий случай использования, который, по сути, будет отправлять DMs людям автоматически.
Итак, это скрипт для последнего случая использования. У нас есть одно длинное действие. Причина, по которой это немного сложнее, заключается в том, что нам нужно указать, на каком URL агент должен выполнять конкретные действия. Чтобы это выяснить, вам нужно пройти через это вручную и собрать URL-адреса. Это разные URL-адреса, и я хочу, чтобы агент отправил сообщение: "Привет, это Влад из будущего".
Я получу это сообщение от моего бота, и оно будет отправлено в мой личный аккаунт. Я могу показать вам здесь в своих сообщениях, я уже получил сообщение: "Привет, это Anor". Это было из теста, который я провел. Каждое конкретное действие происходит на конкретном URL.
У вас есть сообщения, когда вы открываете окно сообщений, затем у вас есть "Создать", где вы будете искать этого человека, Zigler, который является моим аккаунтом, созданным в 2015 году. Ужасное имя, но так оно и есть. Нажмите на первый результат поиска, нажмите кнопку "Далее", создайте сообщение, напишите "Привет, это Влад из будущего" и нажмите кнопку "Отправить".
Теперь он переходит к составлению сообщения. Сейчас он составляет сообщение, отправляет сообщение, и на самом деле отправляет сообщение, или, по крайней мере, так он говорит. Давайте проверим это. Отлично! "Привет, это Влад из будущего". Круто! Теперь у вас есть ваш первый бот, который может отправлять автоматические сообщения.
Давайте посмотрим, сколько это нам стоило. 67 центов. На самом деле это не так уж и дорого. Возможно, это немного дорого, но если это просто для начала разговоров, это может быть хорошей отправной точкой.
Действительно ли это 149? Я знаю, окей, это то, что я и думал. Так что 20-30 центов за сообщение — это не очень жизнеспособно. Причина, по которой это так дорого, заключается в том, что мы используем настройки прокси. Если вы будете использовать свои, это, вероятно, будет намного дешевле.
Но, что более важно, каждый раз, когда вы выполняете задачу AI в вебе через Anchor Browser, это будет стоить вам деньги. Так что если вы точно знаете последовательность событий и конкретные JavaScript-инструкции, то, возможно, это будет намного дешевле, и вы будете использовать Anchor Browser только для управления пользовательскими сессиями и обхода капчи, используя их прокси.
Так что это действительно зависит от вашего случая использования, но да, цены могут немного подниматься. Но вот как это работает.
Итак, в этом видео мы узнали, как создавать пользовательские сессии, скрейпить контент, взаимодействовать с пользователями на платформах, таких как Twitter. Прелесть Anchor Browser в том, что вы можете очень легко воспроизвести этот процесс на любой другой платформе: создайте свою сессию, а затем выполняйте различные задачи на этих платформах.
Существует множество приложений для этих случаев использования, будь то создание идей для контента, повторное использование контента из Twitter в Reddit или взаимодействие с вашей аудиторией, обращение к микроинфлюенсерам, чтобы продать им свои услуги. Все это будет возможно.
Как я уже сказал, весь код будет доступен на моем GitHub. Я добавлю ссылку на свой репозиторий GitHub в описании. Если вы хотите интегрировать это в свой рабочий процесс, вы также можете записаться на сессию со мной, я буду рад показать вам, как. В противном случае увидимся на следующей неделе на другом уроке. Пока!