Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
在浏览器里展示传统 RPA 脚本和 ANCHOR 自动化智能体在同一个网页上、在它发生五个等级的变化前后各自的表现。
ANCHOR: the page changed, which robot noticed? 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download isntlucxs/anchor-demo --repo-type space --local-dir anchor-demo cd anchor-demo
这个 Space 让两种自动化去应对同一个被改动的网页。第一种是老式 RPA 脚本,重复从未改动页面保存下来的元素选择器。第二种是 ANCHOR,一个开源的网页任务智能体,在你自己的机器上运行,这里它执行的是它早先保存的自动化,不用 AI。
适合构建或采购浏览器自动化、想看它在页面变化时表现如何的人,也适合好奇 ANCHOR 怎样确认自己每一步的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件测试 | 测试工程师 | 选一个任务和一个变化等级,比较两个机器人 | 看哪个机器人能扛住改名的 id |
| 流程自动化 | RPA 开发者 | 看选择器脚本在改动后的页面上怎么运行 | 检查录制的脚本在哪里出错 |
| 安全 | 安全审查人员 | 试最高的变化等级,它会往页面里塞入恶意内容 | 看每个机器人怎么处理它 |
如果你想在这里构建自动化,可以跳过它,因为这个 Space 只重放录制好的运行。
这个 Space 可以在这些地方运行。
| 用途 | 谁用 | 能得到什么 |
|---|---|---|
| 并排比较 | 任何好奇的人 | 页面原始和改动后的实时状态,以及每个机器人的操作记录 |
| 选择难度 | 测试人员 | 五个等级的刻度,从改动元素名称开始,到往页面里塞入恶意内容为止 |
| 阅读基准测试结果 | 研究者 | 整个基准测试的实测结果,附带用到的模型 |
浏览只需要一个网页浏览器。想放一份本地副本,还要先准备几样东西。
pip install -U huggingface_hub hf download isntlucxs/anchor-demo --repo-type space --local-dir anchor-demo cd anchor-demo
选一个任务,再选页面该和原始页面差多远。页面会摆出两种状态,以及每个机器人在其中做了什么。有了本地副本,就进入 anchor-demo 文件夹,在浏览器里打开 index.html。
cd anchor-demo
| 工具 | 作用 |
|---|---|
| Task picker | 选择你要看哪个任务的页面 |
| Change level | 用五级刻度设定页面和原始页面差多远 |
| RPA script | 重复从未改动页面保存下来的元素选择器 |
| ANCHOR | 不用任何 AI,运行之前保存好的自动化 |
你选一个任务,把变化设到改名 id 的那个等级。页面会显示变化前后的样子,以及脚本和 ANCHOR 各自在上面做了什么。
如果你是新手,RPA 就是重复它录下来的点击的脚本,页面一变它就可能出错。选一个任务,从最低的变化等级开始,比较两个机器人。
如果你熟悉这个领域,这些测试页面属于 ANCHOR 的韧性基准测试。运行是提前用 0.5.0 版本配合基准测试的代码录好的。因为没有 AI 参与,重复一个任务总会得到相同的结果。在 ANCHOR 里,由一个小型本地模型制定计划,普通代码负责点击,并确认每一步都真正生效。
这个 Space 展示的是录制好的运行,所以它不会替你运行 ANCHOR。
在浏览器里展示传统 RPA 脚本和 ANCHOR 自动化智能体在同一个网页上、在它发生五个等级的变化前后各自的表现。
由 isntlucxs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个 Space 让两种自动化去应对同一个被改动的网页。第一种是老式 RPA 脚本,重复从未改动页面保存下来的元素选择器。第二种是 ANCHOR,一个开源的网页任务智能体,在你自己的机器上运行,这里它执行的是它早先保存的自动化,不用 AI。
适合谁:适合构建或采购浏览器自动化、想看它在页面变化时表现如何的人,也适合好奇 ANCHOR 怎样确认自己每一步的开发者。
行业 | 谁在用 | 怎么用 | 例子
软件测试 | 测试工程师 | 选一个任务和一个变化等级,比较两个机器人 | 看哪个机器人能扛住改名的 id
流程自动化 | RPA 开发者 | 看选择器脚本在改动后的页面上怎么运行 | 检查录制的脚本在哪里出错
安全 | 安全审查人员 | 试最高的变化等级,它会往页面里塞入恶意内容 | 看每个机器人怎么处理它
如果你想在这里构建自动化,可以跳过它,因为这个 Space 只重放录制好的运行。
用在哪里:这个 Space 可以在这些地方运行。
用途 | 谁用 | 能得到什么
并排比较 | 任何好奇的人 | 页面原始和改动后的实时状态,以及每个机器人的操作记录
选择难度 | 测试人员 | 五个等级的刻度,从改动元素名称开始,到往页面里塞入恶意内容为止
阅读基准测试结果 | 研究者 | 整个基准测试的实测结果,附带用到的模型
如何设置:浏览只需要一个网页浏览器。想放一份本地副本,还要先准备几样东西。
pip install -U huggingface_hub
hf download isntlucxs/anchor-demo --repo-type space --local-dir anchor-demo
cd anchor-demo
如何使用:选一个任务,再选页面该和原始页面差多远。页面会摆出两种状态,以及每个机器人在其中做了什么。有了本地副本,就进入 anchor-demo 文件夹,在浏览器里打开 index.html。
cd anchor-demo
工具 | 作用
Task picker | 选择你要看哪个任务的页面
Change level | 用五级刻度设定页面和原始页面差多远
RPA script | 重复从未改动页面保存下来的元素选择器
ANCHOR | 不用任何 AI,运行之前保存好的自动化
示例:你选一个任务,把变化设到改名 id 的那个等级。页面会显示变化前后的样子,以及脚本和 ANCHOR 各自在上面做了什么。
新手与专家:如果你是新手,RPA 就是重复它录下来的点击的脚本,页面一变它就可能出错。选一个任务,从最低的变化等级开始,比较两个机器人。
如果你熟悉这个领域,这些测试页面属于 ANCHOR 的韧性基准测试。运行是提前用 0.5.0 版本配合基准测试的代码录好的。因为没有 AI 参与,重复一个任务总会得到相同的结果。在 ANCHOR 里,由一个小型本地模型制定计划,普通代码负责点击,并确认每一步都真正生效。
选一个任务和一个变化等级
页面加载变化前后的版本
RPA 脚本重复它的选择器
ANCHOR 运行它保存的自动化
你比较两者各自做了什么
注意事项:这个 Space 展示的是录制好的运行,所以它不会替你运行 ANCHOR。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| ANCHOR: the page changed, which robot noticed? 本页 | 1 | static | apache-2.0 | |
| InferenceSupport共有 static | 764 | static | afl-3.0 | |
| Huggy共有 static | 463 | static | cc-by-nc-sa-4.0 | |
| Z-Image Lookalike LoRA Index共有 static | 189 | static | apache-2.0 | |
| Granite Docling 258M WebGPU共有 static | 163 | static | apache-2.0 | |
| DINOv3 Web共有 static | 162 | static | apache-2.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。