自Nova Act SDK宣布以来，已经过去了一周多一点的时间了，目前该SDK仍处于研究预览阶段（仅限美国）。我利用午餐时间，看看自己能在多短时间内上手操作。跟我一起往下看，看看我能在这大约一个小时里做到什么程度 🙈。
设置环境你可以先通过你的Amazon账号（就是你用来购物的那个 📦，而不是你的AWS账号）申请访问Nova。如果你没有立即获得访问权限，可能需要等待一段时间，所以请留意你的邮箱。
获得访问权限后，请前往“-Nova Act SDK-”（https://nova.amazon.com/act?trk=6e6eadd1-6cc9-4873-a34d-5f591ab28643&sc_channel=el）。你会看到有三步要完成：安装SDK，设置API密钥，并查看第一个工作流示例，。
如图所示，Nova Act SDK 设置界面截图
我查看入门指南以了解如何与SDK交互及身份验证的方法。
_⚠️ 我在这里使用API密钥作为环境变量时遇到了一些小问题。想着能提前解决这些问题，我创建了一个.env文件来存放API密钥，希望VSCode项目能够读取它，但这样仍然会出错。TL;DR- 只需在启动终端会话之前执行
export NOVA_ACT_API_KEY="你的API密钥"，SDK就会很高兴了。以下是我一直遇到的错误信息。_
你可以在 Python 脚本中使用这个 SDK，或者直接在终端中使用标准的 Python shell。
示例说明我现在正在把日语当作一种业余爱好来学习，为了在下个月的旅行中更自在一些，我想试试让Nova Act帮我做些带有音标的平假名闪卡（Duolingo还不够用，真是心累 😭）
我的第一次尝试是这样：
导入 NovaAct 从 nova_act
with NovaAct(starting_page="https://www.google.com") as nova:
nova.act("搜索带有音标的 日语平假名闪卡，找到可以清晰打印的那种。")进入全屏模式。退出全屏。
这引导代理来到谷歌，它搜索我输入的查询，然后打开第一个网页结果，即为Quizlet。一切进展顺利。我看到代理在我的终端中描述了它的思考过程，并开始在网站上查找打印按钮。
当它这样做时，会出现一个弹窗验证码，要求点击确认是人类，这在第一次使用Nova Act时感觉特别滑稽。现在，事情有点跑偏——Nova Act理解有弹出窗口的存在，但它卡住了，无法跳出循环，也无法继续操作页面。我等了几秒钟，还是退出了脚本。
💡 所以，这里的第一课来了——有些网站确实能检测到使用代理，这种行为目前会让Nova Act失效（除非你有巧妙的方法……而在这次快速的小技巧中我没有 😄）
我对如果我让它避开其他网站，直接访问谷歌图片是否能得到更好的结果很好奇。
尝试二如下所示
导入 NovaAct 从 nova_act
with NovaAct(starting_page="https://www.google.com") as nova:
nova.act("搜索带有音标的日语平假名闪卡的 google 图像。找到用于学习的日语平假名闪卡，这些适合打印。")点击全屏切换。点击退出全屏。
这方法不错，只是我忘记给它一个具体的指令，让它在找到图片标签时做具体的事情，所以它会一直滚动，直到我停止脚本。
这第三次看起来是这样的：
from nova_act import NovaAct
with NovaAct(starting_page="https://www.google.com") as nova:
nova.act(
"搜索包含日语平假名带声调符号的闪卡的 Google 图片，然后右键点击一张图片，在弹出的菜单中选择 '在新标签页中打开图片'。"
)进入全屏模式/退出全屏模式
我花了三十多分钟试图操作Nova Act，让它执行右键点击以打开上下文菜单，但没找到方法。
学到的东西虽然可以访问网页的代理很有前景，但和大多数代理或AI自动化的难题一样，找到正确的指令来让模型执行你的任务仍然具有挑战性。我本希望通过这个例子完成更多任务，但不愿意花更多时间让模型明白一个对人类来说如此简单的概念，比如右键点击 🖱️
敬请期待更多内容，因为我将继续调整Nova Act（也许我会回来完成这个示例……）
(附注：我已经向Nova Act团队报告了这个缺失的菜单选项的问题！PFR正在开发中 锤子))
更多资源 📚
共同學(xué)習(xí)，寫下你的評論
評論加載中...
作者其他優(yōu)質(zhì)文章
