A ascensão dos modelos de linguagem grandes de código aberto (LLMs) facilitou mais do que nunca a criação de ferramentas impulsionadas por IA que rivalizam com soluções proprietárias como o ChatGPT Operator da OpenAI. Entre esses modelos de código aberto, DeepSeek R1 se destaca por suas robustas capacidades de raciocínio, acessibilidade gratuita e adaptabilidade. Ao combinar o DeepSeek R1 com ferramentas como Browser Use, você pode construir uma poderosa alternativa totalmente de código aberto ao ChatGPT Operator sem gastar centenas de dólares em assinaturas premium.
Este artigo o guiará pelo processo de configuração do DeepSeek R1 e do Browser Use para criar um agente de IA capaz de realizar tarefas complexas, incluindo automação na web, raciocínio e interações em linguagem natural. Se você é um iniciante ou um desenvolvedor experiente, este guia passo a passo ajudará você a começar.
O que é o ChatGPT Operator e por que você precisa de uma alternativa de código aberto?
O ChatGPT Operator é um recurso premium oferecido pela OpenAI que permite aos usuários criar agentes de IA avançados capazes de realizar tarefas complexas, como raciocínio, automação na web e resolução de problemas em várias etapas.
O ChatGPT Operator custa $200 por mês, tornando-o menos acessível para indivíduos, pequenas empresas ou organizações com orçamentos limitados.
4. Reservando um voo de ida de Zurique para Viena usando a integração do Booking
— Rowan Cheung (@rowancheung) 23 de janeiro de 2025
Isso exigiu um pouco de idas e vindas, com o ChatGPT Operator me perguntando sobre minha preferência de voo e me fazendo inserir os dados de pagamento pic.twitter.com/XZiqUsQgVh
O ChatGPT Operator estava reservando um bilhete de avião no vídeo acima
Por que você precisa de uma alternativa de código aberto
Embora o ChatGPT Operator seja poderoso, ele possui várias limitações que tornam uma alternativa de código aberto atraente:
- Custo: A taxa de assinatura de $200/mês pode ser proibitiva para muitos usuários.
- Privacidade de Dados: O uso de APIs proprietárias requer o envio de dados para servidores externos, o que pode não estar em conformidade com políticas de privacidade ou requisitos regulatórios.
- Personalização Limitada: Soluções proprietárias costumam restringir o ajuste fino ou as otimizações específicas de tarefas, limitando sua adaptabilidade para casos de uso especializados.
Optando por ferramentas de código aberto como DeepSeek R1 e Browser Use, você pode superar esses desafios e desbloquear vários benefícios:
- Economia de Custos: Tanto o DeepSeek R1 quanto o Browser Use são completamente gratuitos e de código aberto, eliminando taxas de assinatura.
- Controle Total: Hospedar as ferramentas localmente ou em seu próprio servidor garante total privacidade e segurança dos dados.
- Personalizabilidade: Você pode ajustar o modelo para tarefas específicas, integrá-lo com outras ferramentas e modificar o sistema para atender aos seus requisitos únicos.
Uma abordagem de código aberto não só reduz a dependência de plataformas proprietárias, mas também capacita você a construir uma solução adaptada às suas necessidades, mantendo o controle sobre custos e dados.
Você precisa dar uma olhada no Apidog, a ferramenta de teste de API tudo-em-um que leva você por todo o processo, desde o design da API até a documentação da API, e turbo carrega a produtividade da sua equipe de desenvolvimento!
Componentes Principais: DeepSeek R1 e Browser Use
DeepSeek R1
DeepSeek R1 é um LLM de código aberto otimizado para tarefas de raciocínio. Ele se destaca na resolução de problemas em cadeia de pensamento, assistência em programação e compreensão de linguagem natural. Está disponível em vários tamanhos (por exemplo, 1,5B, 7B parâmetros), tornando-o adaptável a diferentes capacidades de hardware.
Browser Use
O Browser Use é uma ferramenta de código aberto que permite que agentes de IA realizem tarefas baseadas em navegador, como raspagem de dados, preenchimento de formulários e navegação automatizada. Ele fornece uma interface amigável e pode ser integrado com LLMs como DeepSeek R1 para maior funcionalidade.
browser-usePasso 1: Configurando Seu Ambiente
Requisitos de Hardware
- Para versões menores do DeepSeek R1 (por exemplo, 1,5B parâmetros), uma CPU ou GPU de médio porte (8GB VRAM) é suficiente.
- Versões maiores requerem GPUs de alto desempenho (por exemplo, NVIDIA A100 ou RTX 4090).
Sistema Operacional
- Linux ou macOS é recomendado para facilitar a configuração. Usuários do Windows podem usar WSL (Subsistema do Windows para Linux).
Ambiente Python
Crie um ambiente virtual Python para isolar as dependências:
python -m venv venv
source venv/bin/activate # Em Linux/macOS
# Em Windows:
# venv\Scripts\activate
Instale as bibliotecas necessárias:
pip install torch torchvision transformers sentencepiece
Passo 2: Execute o DeepSeek com API ou Localmente com Ollama
Uso da API do DeepSeek
Para interagir com a API do DeepSeek, siga estes passos atualizados:
Obtenha uma Chave de API:
- Registre-se na plataforma DeepSeek e gere uma chave de API na seção "Chaves de API". Salve essa chave com segurança, pois ela não será exibida novamente.
Faça sua Primeira Chamada API:
A API do DeepSeek é compatível com o formato da API da OpenAI, facilitando a integração com SDKs ou softwares existentes da OpenAI. Abaixo está um exemplo de uma implementação em Python:
from openai import OpenAI
client = OpenAI(api_key="<Sua_Chave_API_DeepSeek>", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
model="deepseek-reasoner", # Use 'deepseek-reasoner' para DeepSeek-R1
messages=[
{"role": "system", "content": "Você é um assistente útil."},
{"role": "user", "content": "Explique o entrelaçamento quântico."}
],
stream=False # Defina como True se você quiser respostas em streaming
)
print(response.choices[0].message.content)
Exemplo de cURL:
Se você prefere usar cURL, aqui está como você pode fazer uma solicitação:
curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <Sua_Chave_API_DeepSeek>" \
-d '{
"model": "deepseek-reasoner",
"messages": [
{"role": "system", "content": "Você é um assistente útil."},
{"role": "user", "content": "Qual é a capital da França?"}
],
"stream": false
}'
Seleção de Modelo:
- Especifique
model="deepseek-reasoner"para o DeepSeek-R1. - Use
model="deepseek-chat"para tarefas de chat de uso geral.
O base_url também pode ser definido como https://api.deepseek.com/v1 para configurações compatíveis com a OpenAI, embora o caminho /v1 não tenha relação com versões de modelo.
Executando DeepSeek Localmente com Ollama
Ollama simplifica a execução de modelos de linguagem grandes como o DeepSeek-R1 na sua máquina local. Veja como configurá-lo e usá-lo corretamente:
Instale o Ollama:
- Baixe e instale o Ollama a partir do seu site oficial.
Baixe o Modelo Desejado:
Use os seguintes comandos para baixar versões específicas do DeepSeek-R1:
# Para o modelo 7B (padrão):
ollama pull deepseek-r1:7b
# Para um modelo menor de 1.5B:
ollama pull deepseek-r1:1.5b
# Para modelos maiores como 70B:
ollama pull deepseek-r1:70b
Execute o Modelo Localmente:
Uma vez baixado, execute o modelo usando:
ollama run deepseek-r1:7b
Isso iniciará uma sessão interativa onde você poderá interagir diretamente com o modelo.
Variantes do Modelo:
O DeepSeek oferece várias versões destiladas com base nas arquiteturas Qwen e Llama, otimizadas para diferentes casos de uso:
DeepSeek-R1-Distill-Qwen-7B:
ollama run deepseek-r1:7b-qwen-distill
DeepSeek-R1-Distill-Llama-70B:
ollama run deepseek-r1:70b-llama-distill
Considerações sobre Hardware:
- Modelos menores como 1.5B ou 7B podem ser executados em GPUs de consumo ou até mesmo CPUs.
- Modelos maiores (por exemplo, 70B) requerem GPUs de alto desempenho com VRAM significativa (por exemplo, NVIDIA A100 ou RTX 4090).
Chat Interativo via API:
Ollama fornece uma API para integrar modelos que estão sendo executados localmente em suas aplicações:
curl http://localhost:11434/api/chat -d '{
"model": "deepseek-r1:7b",
"messages": [
{"role": "user", "content": "Escreva um poema curto sobre as estrelas."}
]
}'
Passo 3: Instalando o Browser Use
O Browser Use permite que seu agente de IA interaja com navegadores web. Siga estes passos:
Instalação
Clone o repositório do Browser Use do GitHub:
git clone https://github.com/browser-use/browser-use.git
cd browser-use
pip install -r requirements.txt
Configuração
Configure a WebUI do Browser Use:
python webui.py
Abra a WebUI no seu navegador para configurar as configurações do agente. Você pode especificar:
- O modelo LLM (por exemplo, DeepSeek R1)
- Configurações do navegador (por exemplo, tamanho da janela)
Passo 4: Combinando DeepSeek R1 e Browser Use
Para criar um agente de IA funcional que integre ambas as ferramentas:
Configuração do Agente
Modifique as configurações do agente no Browser Use para conectá-lo ao DeepSeek R1:
{
"model": "deepseek-r1",
"base_url": "http://localhost:5000",
"browser_settings": {
"window_height": 1080,
"window_width": 1920,
"keep_browser_open": true
}
}
Executando o Agente
Inicie tanto o DeepSeek R1 quanto o Browser Use:
# Iniciar servidor API do DeepSeek R1
python -m deepseek.api_server
# Iniciar WebUI do Browser Use
python webui.py
Uma vez que ambos os serviços estejam em execução, o agente pode realizar tarefas como preencher formulários, coletar dados ou navegar em sites de forma autônoma.
Passo 5: Engenharia de Prompt para Melhores Resultados
Para otimizar o desempenho do seu agente de IA, utilize técnicas de engenharia de prompt. Por exemplo:
Modelo Geral de Prompt
<instruções>
Você é um assistente de IA encarregado de automatizar tarefas web usando o Browser Use.
Siga estes passos:
1. Navegue até [site].
2. Realize [tarefa específica].
3. Retorne os resultados em um formato estruturado.
</instruções>
<exemplo>
Navegue até https://example.com e extraia todos os hyperlinks.
</exemplo>
Essa estrutura garante clareza e melhora a precisão na execução das tarefas.
Aqui estão algumas demonstrações que você pode experimentar executando:
uv pip install gradio
python examples/gradio_demo.py
Exemplo 1.
Prompt: Escreva uma carta no Google Docs para meu pai, agradecendo-o por tudo, e salve o documento como um PDF.
Exemplo 2.
Prompt: Encontre voos no kayak.com de Zurique para Pequim de 25.12.2024 a 02.02.2025.
Exemplo 3.
Prompt: Leia meu CV e encontre vagas de ML, salve-as em um arquivo e depois comece a se candidatar a elas em novas abas, se precisar de ajuda, pergunte-me.
0:00/1×
Conclusão
Ao combinar o DeepSeek R1 com o Browser Use, você pode construir uma alternativa totalmente funcional ao ChatGPT Operator que é gratuita, de código aberto e altamente personalizável. Essa configuração não só economiza custos, mas também dá a você total controle sobre a privacidade dos dados e o comportamento do sistema.
Seja automatizando tarefas na web, construindo agentes conversacionais ou experimentando recursos avançados de IA como Geração Aumentada por Recuperação, este guia fornece tudo o que você precisa para começar. Abrace o poder do código aberto e crie seu próprio assistente inteligente hoje!
Você precisa dar uma olhada no Apidog, a ferramenta de teste de API tudo-em-um que leva você por todo o processo, desde o design da API até a documentação da API, e turbo carrega a produtividade da sua equipe de desenvolvimento!