एडवांस्ड हैंडबुक: Jev Ultrafast ब्राउज़र Agent और ख़ामियों से बचने की गाइड
💡 लक्ष्य: लगभग 92 मिनट में दो काम पूरे करें—Jev Ultrafast ब्राउज़र Agent को अपने कंप्यूटर पर चलाना (आधिकारिक रिकॉर्ड: Google Flights पर एक वास्तविक खोज 7.073 सेकंड), और आधिकारिक ख़ामियों वाले दस्तावेज़ में Jev 1.13 की 9 तरह की विफलता मोड और वैकल्पिक तरीके साथ ले जाना।
🎯 चरण के लक्ष्य
- बता सकें कि Jev Ultrafast कैसे काम करता है: डायनामिक इंडेक्स्ड एक्शन स्पेस, एक ही राउंड-ट्रिप में ऑपरेशन और लक्ष्य दोनों तय करना, डिफ़ॉल्ट लूप में स्क्रीनशॉट न लेना
- शुरुआत से एक बार पूरा चलाना:
uv sync+ दो API Key,127.0.0.1:8766के inspector में नंबर वाले एलिमेंट और प्रायिकताएँ देखना, फिर Agent लाइब्रेरी से अपना ब्राउज़र टास्क लिखना - आधिकारिक परफ़ॉर्मेंस डेटा पढ़ सकें और सीमाएँ भी जानें: 7.073 सेकंड कैसे मापे जाते हैं, प्रोटोकॉल कॉल 1,092→101 का क्या मतलब है, कौन से कंट्रोल समर्थित नहीं हैं, DONE का स्वतंत्र सत्यापन क्यों ज़रूरी है
- Jev 1.13 की 9 तरह की विफलता मोड पहचान सकें, हर एक के लिए आधिकारिक वैकल्पिक तरीका बता सकें—अंकगणित कोड में रखें, तारीख़ को विजेट में उठाएँ, बड़े state को पहले फ़िल्टर करें
⏳ अनुमानित समय
- 7 पाठ मिलाकर लगभग 92 मिनट, बफ़र समय जोड़ने पर लगभग 64–120 मिनट
- 5.1–5.4 एक ही मुख्य धारा है (सिद्धांत → इंस्टॉल → वास्तविक चलाना → डेटा पढ़ना), क्रम से चलने की सलाह; 5.5 / 5.6 केवल पाठ 2 के एनवायरनमेंट पर निर्भर हैं, ज़रूरत के अनुसार अलग से पढ़ सकते हैं
- 5.7 ख़ामियों की हैंडबुक पूरी तरह स्वतंत्र है, ब्राउज़र छुए बिना भी पढ़ी जा सकती है—प्योर API उपयोगकर्ता सीधे उस पर जाएँ तो भी नुकसान नहीं
🚀 शुरू करने से पहले
- पूरा किया रोज़मर्रा का उपयोग: Jev के पाँच तरह के प्रश्न पूछने के तरीके: Ultrafast का हर निर्णय एक TypeSafe अनुरोध है, state, टाइप्ड प्रश्न और प्रायिकता वितरण पहले समझ लेना ज़रूरी है
- पास TypeSafe API Key हो (रजिस्ट्रेशन और API Key); Ultrafast के लिए एक टेक्स्ट मॉडल का
TEXT_MODEL_API_KEYभी चाहिए (पाठ 2 में सेटअप सिखाया गया है) - कंप्यूटर पर Chrome और uv हों—Ultrafast
uv syncसे इंस्टॉल होता है, Chrome Browser Harness से जुड़ता है - एक कप पानी ☕—इस चरण में आख़िरकार Jev आपके लिए ब्राउज़र पर क्लिक करेगा
📚 इस चरण के पाठ
पहले 6 पाठों का मुख्य किरदार Jev Ultrafast है—Browser Use × TypeSafe का ब्राउज़र Agent, आधिकारिक परिभाषा एक वाक्य में: "एक डायनामिक, इंडेक्स्ड एक्शन स्पेस वाला ब्राउज़र agent"। उपयोग वही परिचित Jev शैली का निर्णय है: इसे एक लक्ष्य दें, Jev ऑपरेशन और एलिमेंट चुनता है, छोटा LLM केवल टाइपिंग (TYPE_TEXT) की ज़रूरत पर स्ट्रिंग लिखता है।
क्लाउड पर आधिकारिक होस्टेड BU Ultrafast भी है (Browser Use Cloud, सभी प्लान में उपलब्ध, model: "bu-ultrafast", प्रवेश cloud.browser-use.com); यह चरण आपको GitHub पर मौजूद ओपन-सोर्स संस्करण चलाना सिखाता है, सारे ऑपरेशन आपके ही कंप्यूटर पर होते हैं।
पहले देखें कि यह आपके मौजूदा तरीके से कहाँ अलग है:
| आपका मौजूदा तरीका | Jev Ultrafast का तरीका |
|---|---|
| ❌ ऑटोमेशन स्क्रिप्ट सिलेक्टर हार्डकोड करती है, पेज बदलते ही ढेर सारी स्क्रिप्ट फेल | ✅ हर अवलोकन पर नंबर वाले एलिमेंट की टेबल डायनामिक रूप से बनती है ([1] button Change ticket type · Round trip …), Jev केवल मौजूदा पेज पर वास्तव में मौजूद चीज़ों में से चुनता है |
| ❌ विज़ुअल agent स्क्रीनशॉट से निर्देशांक का अंदाज़ा लगाते हैं, हर कदम पर स्क्रीनशॉट, धीमा और महँगा | ✅ डिफ़ॉल्ट लूप स्क्रीनशॉट नहीं लेता: Jev स्ट्रक्चर्ड state लेता है, एक ही राउंड-ट्रिप में ऑपरेशन और लक्ष्य दोनों तय |
| ❌ बड़े LLM से एक "ऑपरेशन प्लान" JSON निकलवाकर प्रार्थना करें कि पार्स और निष्पादित हो जाए | ✅ ऑपरेशन और लक्ष्य दोनों टाइप्ड उत्तर हैं; मॉडल का आउटपुट कभी selector, निर्देशांक या निष्पादन योग्य JS नहीं बनता |
कुल 8 तरह के ऑपरेशन हैं: CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT, DONE, BLOCKED—"कोई भी स्क्रिप्ट निष्पादित करें" जैसा ख़तरनाक एक्शन नहीं है। पाठ 1 इस एक्शन स्पेस को खोलकर समझाएगा।
पाठों की व्यवस्था:
| पाठ | विषय-सामग्री | अवधि |
|---|---|---|
| 5.1 Jev Ultrafast सिद्धांत | डायनामिक इंडेक्स्ड एक्शन स्पेस और 8 तरह के ऑपरेशन; एक TypeSafe अनुरोध में ऑपरेशन और लक्ष्य दोनों पूछे जाना (दो निर्णय, एक राउंड-ट्रिप); डिफ़ॉल्ट लूप स्क्रीनशॉट क्यों नहीं लेता | 12 मिनट |
| 5.2 Ultrafast इंस्टॉल और चलाना | git clone + uv sync + दो API Key; 127.0.0.1:8766 का inspector खोलें, नंबर वाले एलिमेंट, ऑपरेशन प्रायिकता, लक्ष्य प्रायिकता देखें | 15 मिनट |
| 5.3 Google Flights चलाना | Zürich → London एक वास्तविक खोज, आधिकारिक रिकॉर्ड 7.073 सेकंड; examples/flights.py स्वतंत्र सत्यापन सहित, केवल खोज, बुकिंग नहीं | 15 मिनट |
| 5.4 प्रदर्शन की व्याख्या | 7.073 सेकंड कैसे मापे गए: 17 Jev अनुरोध, मध्यिका विलंब 178 ms; तुलना में वास्तविक माप 9.450→7.092 s, प्रोटोकॉल कॉल 1,092→101 — आधिकारिक रूप से साफ कहा गया है कि यह एक छोटा नमूना है, कोई सामान्य बेंचमार्क नहीं | 10 मिनट |
| 5.5 अपना स्वयं का ब्राउज़र कार्य लिखें | Agent लाइब्रेरी का व्यावहारिक उपयोग: Agent(url, goals) + run() से चरण-दर-चरण state प्राप्त करें; URL और लक्ष्य बदलें तो वही नया कार्य बन जाता है | 15 मिनट |
| 5.6 Ultrafast समस्या-निवारण | Chrome से कनेक्ट न होना (browser-harness --doctor), TEXT_MODEL त्रुटि, क्लिक न चलना या भटक जाना — ऐसे में क्या करें; असमर्थित सूची: shadow DOM, canvas, अपलोड, नया tab पॉपअप | 10 मिनट |
| 5.7 Jev 1.13 गलतियों से बचने की मैनुअल | आधिकारिक jaggedness दस्तावेज़ की 9 प्रकार की विफलता मोड और वैकल्पिक तरीके: शाब्दिक समझ, अंकगणित गिनती, तिथि तुलना, अप्रत्यक्ष संदर्भ, बड़ा state, प्रतिकूल सामग्री, परस्पर विरोधी निर्देश, विकल्पों का क्रम, जनरेशन की आवश्यकता | 15 मिनट |
💡 टेक्स्ट मॉडल के लिए घरेलू (चीनी) विकल्प इस्तेमाल किए जा सकते हैं
Ultrafast का टेक्स्ट helper OpenAI-संगत इंटरफ़ेस का उपयोग करता है, और आधिकारिक README में साफ कहा गया है कि Gemini, GLM, DeepSeek — सभी कॉन्फ़िगर किए जा सकते हैं; जब कोड में पर्यावरण चर सेट नहीं होते, तो डिफ़ॉल्ट एंडपॉइंट DeepSeek ही है (https://api.deepseek.com/v1 + deepseek-chat)। यह केवल TYPE_TEXT के समय आता है — TEXT_MODEL_API_KEY कॉन्फ़िगर न करने पर सीधे त्रुटि मिलती है, आधिकारिक मूल शब्द: no text is hardcoded or guessed।
⚠️ DONE का मतलब सफलता नहीं है
आधिकारिक रूप से Evidence and limits में बहुत स्पष्ट लिखा गया है: DONE चुनने के बाद भी परिणाम को स्वतंत्र रूप से सत्यापित करना ज़रूरी है (Flights उदाहरण का verify() यही काम करता है); DOM reader केवल सामान्य HTML/ARIA नियंत्रण पहचानता है — shadow roots, frames, canvas, अपलोड, नया tab पॉपअप, नेस्टेड स्क्रॉल, मनमाने कीबोर्ड घटक इस MVP में शामिल नहीं हैं। वैध क्रिया भी गलत हो सकती है — पाठ 4 और पाठ 6 इस बात को बार-बार रेखांकित करेंगे।
आख़िरी पाठ अपेक्षाकृत स्वतंत्र है: आधिकारिक रूप से Jev 1.13 की ज्ञात समस्याओं को jaggedness दस्तावेज़ में संकलित किया गया है — 9 प्रकार की विफलता मोड, हर एक के साथ वैकल्पिक तरीका दिया गया है। दस्तावेज़ में उपयोगिता jev-1.13 अंकित है (अंतिम समीक्षा 2026-10-02), और आधिकारिक रूप से यह भी कहा गया है कि इनमें से कई आगामी संस्करणों में ठीक हो जाएँगे; लेकिन «अंकगणित कोड में रखें, तिथि को घटक में निकालें, बड़े state को पहले फ़िल्टर करें» — ये प्रश्न पूछने की आदतें, किसी भी संस्करण के साथ अपनाने योग्य हैं।
🎒 आप क्या सीखेंगे
- एक चलने योग्य ब्राउज़र Agent: clone से inspector तक और फिर Agent लाइब्रेरी से कस्टम कार्य लिखने तक, सब कुछ अपनी मशीन पर पूरा होता है
- आधिकारिक प्रदर्शन डेटा पढ़ने का सही तरीका: 7.073 सेकंड की टाइमिंग सीमा, छोटे नमूने की तुलना को कैसे उद्धृत करें — न अतिशयोक्ति, न आलोचना
- सुरक्षा सीमा की जागरूकता: मॉडल का आउटपुट कभी भी निष्पादन योग्य कोड नहीं बनता, DONE को अवश्य स्वतंत्र रूप से सत्यापित करें, असमर्थित नियंत्रणों की सूची स्पष्ट रखें
- 9 प्रकार की विफलता मोड की «लक्षण → वैकल्पिक तरीका» सूची, प्रश्न लिखते समय सक्रिय रूप से Jev 1.13 के जालों से बचें
ब्राउज़र के अलावा, यदि आप Jev के शुद्ध API परिदृश्य के 15 संपूर्ण उदाहरण देखना चाहते हैं (बुलेट कमेंट फ़िल्टरिंग, RAG जाँच, कैस्केडेड निष्कर्षण), तो फिर से देखें परिदृश्य व्यवहार: अपना मार्ग चुनें; अनुरोध प्रारूप और स्थिति कोड देखने के लिए जाएँ API क्विक रेफ़रेंस, मॉडल संस्करण और मूल्य के लिए देखें मॉडल और मूल्य।
तैयार हैं? पहला पाठ शुरू करें: Jev Ultrafast सिद्धांत →