genflow.py

# Copyright 2025 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#      http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
import argparse
import os

from agent import BrowserAgent
from computers import BrowserbaseComputer, PlaywrightComputer


PLAYWRIGHT_SCREEN_SIZE = (1440, 900)


def main() -> int:
    parser = argparse.ArgumentParser(description="Run the browser agent with a query.")
    parser.add_argument(
        "--query",
        type=str,
        required=True,
        help="The query for the browser agent to execute.",
    )

    parser.add_argument(
        "--env",
        type=str,
        choices=("playwright", "browserbase"),
        default="playwright",
        help="The computer use environment to use.",
    )
    parser.add_argument(
        "--initial_url",
        type=str,
        default="https://www.google.com",
        help="The inital URL loaded for the computer.",
    )
    parser.add_argument(
        "--highlight_mouse",
        action="store_true",
        default=False,
        help="If possible, highlight the location of the mouse.",
    )
    parser.add_argument(
        "--model",
        default='gemini-2.5-computer-use-preview-10-2025',
        help="Set which main model to use.",
    )
    args = parser.parse_args()


    if args.env == "playwright":
        env = PlaywrightComputer(
            screen_size=PLAYWRIGHT_SCREEN_SIZE,
            initial_url=args.initial_url,
            highlight_mouse=args.highlight_mouse,
        )
    elif args.env == "browserbase":
        env = BrowserbaseComputer(
            screen_size=PLAYWRIGHT_SCREEN_SIZE,
            initial_url=args.initial_url
        )
    else:
        raise ValueError("Unknown environment: ", args.env)

    with env as browser_computer:
        agent = BrowserAgent(
            browser_computer=browser_computer,
            query=args.query,
            model_name=args.model,
        )
        agent.agent_loop()
    return 0


def run_genflow():
    env = PlaywrightComputer(
        screen_size=PLAYWRIGHT_SCREEN_SIZE,
        initial_url="https://wenku.baidu.com/ndcore/browse/aiunion?fr=options_AIcard_1&_wkts_=1761290807747&bdQuery=genflow&t=1761290807744&tabType=genflow&aiCreat=genflow",
        # initial_url="https://www.doubao.com/chat/",
        highlight_mouse=True, # 如果指定，代理将尝试在屏幕截图中突出显示鼠标光标的位置。这对于可视化调试很有用。
    )
    # query="在提示文本为'输入问题，交给GenFlow的'搜索条中输入‘百度’，点击发送按钮",
    search_query = [
        "《劳动法》中关于加班与调休的相关规定解读",
        "不到喀什游不算到新疆，不到古城游不算到喀什，最后一天来一场深度的早到晚古城游！",
        "为何说地球正处在5大灾难性生态临界点？",
        "为什么要进行展示设计案例分析",
        "镜子为什么不能正对床？",
        "鹅绒羽绒服比鸭绒羽绒服好在哪？",
        "如何从根本解决宿舍问题，改善职工住宿条件？",
        "独生子女为什么不能全部继承父母遗产？",
        "写一篇忧郁文艺小诗 一节六句话",
        "9.3阅兵有哪些国家参加",
        "今年戛纳电影节有哪些国家的影片参展",
        "最近的世界移动通信大会有哪些国家的企业参会",
        "今年日本东京国际动漫节吸引了哪些国家的动漫团队参与",
        "今年年大阪·关西世界园艺博览会有哪些国家设立展馆",
        "最近德国法兰克福国际车展有哪些国家的汽车品牌亮相",
        "第九届世界无人机大会有哪些国家的企业和团队参加",
        "最近亚洲物流展CeMAT有哪些国家的物流企业参展",
        "最近世界教育创新峰会有哪些国家的教育机构代表出席",
        "2025年意大利美食节有哪些国家带来特色美食展示"
    ]
    query = "帮我生成一份关于新能源领域的投资报告"
    citerion = """
核心评价维度：

1. 内容与逻辑 (灵魂)
   - 清晰的投资论点: 报告是否有明确、可验证的“买入/卖出”观点及目标价？观点是否新颖，提供了市场尚未察觉的洞察？
   - 严谨的逻辑链条: 从行业分析到公司研究，再到财务估值，所有论据是否像积木一样牢固支撑核心论点？推理过程是否严密，无逻辑跳跃？
   - 研究的深度与广度: 是否覆盖了行业（格局、驱动）、公司（模式、护城河）、财务（三张表、比率）和估值（假设合理性）？

2. 数据与事实 (基石)
   - 准确性与时效性: 数据是否准确？来源（年报、权威统计）是否可靠？信息是否最新？
   - 相关性与解读: 数据是否与论点强相关？是否对数据背后的业务含义进行了深入解读，而非简单罗列？

3. 结构与表达 (骨架)
   - 结构清晰: 是否有清晰的摘要、目录和逻辑流程？（例如：摘要->行业->公司->财务->估值->风险->结论）
   - 语言专业: 语言是否精炼、客观、准确？专业术语使用是否恰当？
   - 可视化: 图表是否清晰、直观？排版是否专业，重点突出？

4. 客观性与风险意识 (灵魂试金石)
   - 客观中立: 是否同时呈现了正反论据？是否存在明显偏见？
   - 全面的风险分析: 是否识别并深入分析了关键的下行风险（行业、公司、宏观、估值）？是否讨论了风险对投资论点的影响？"""
    
    query = "查找5个简历模板链接"
    citerion = "通过访问链接确保每一条都是有效的, 并且资源链接的数量是否满足5条。有时候链接通过页面卡片提供，你需要通过点击卡片进行链接跳转。"
    prompt = f"""
GenFlow是一个AI聊天机器人。对于给定的问题，他会执行'任务规划'，'任务执行'，'输出结果'三个步骤。
在GenFlow执行每个步骤时，'任务规划'，'任务执行'，'输出结果'会分别呈现黑色或灰色。黑色代表该步骤完成，灰色代表该步骤未完成。
你需要作为测试员，在它的网页底部搜索栏中输入用户提交的问题，在GenFlow执行完三个任务后，客观地判断其最终是否按照给定标准:{citerion} 回答了问题。

GenFlow返回的内容可能比较长，你可以多次执行'scroll_at'操作来查看网页中它返回的上下文。
GenFlow有时会呈现左边主页面，右边预览区域。在这种情况下执行'scroll_at'的时候你要注意鼠标位置。
通过反复的滚动，确保主页面和预览区域已经滚动到底。预览区域往往很长，所以你需要多次执行'scroll_at'操作，确保2次滚动操作看到的网页完全一样为止, 给出最终客观评价.

GenFlow一定会给出'输出结果'，请保持足够的耐心！
Regardless of the input language, you need to output in Chinese.
"""
    
    citerion = """提交任务"1+1，2+3和4+5",判断结果分别是不是2，5，9"""
    query = f"""比较genflow和doubao哪个在数学计算上的能力更好。标准: {citerion}"""
    prompt = f"""
GenFlow和DouBao是2个AI聊天机器人。
你需要作为测试员，根据用户需求在它们的网页端搜索栏中输入问题，评测它们的能力
初始状态你处于DouBao的首页，在测试完毕后，你需要切换到GenFlow的首页进行测试。然后给出最终结论
DouBao的url是 <url>https://www.doubao.com/chat/</url>
GenFlow的url是 <url>https://wenku.baidu.com/ndcore/browse/aiunion?fr=options_AIcard_1&_wkts_=1761290807747&bdQuery=genflow&t=1761290807744&tabType=genflow&aiCreat=genflow"</url>

AI返回的内容可能比较长，你可以多次执行'scroll_at'操作来查看网页中它们返回的上下文。
你需要多次执行'scroll_at'操作，确保2次滚动操作看到的网页完全一样为止, 给出最终客观评价.

Regardless of the input language, you need to output in Chinese.
 """
    
    with env as browser_computer:
        agent = BrowserAgent(
            browser_computer=browser_computer,
            query=query,
            system_prompt=prompt,
            model_name='gemini-2.5-computer-use-preview-10-2025',
        )
        agent.agent_loop()
    # pass



if __name__ == "__main__":
    run_genflow()