微软 MagenticLite 端侧智能体：用 4B 小模型在你的笔记本上跑浏览器 Agent

Fara 1.5 有三个规格，按你机器选：

Fara 1.5-4B    → 普通笔记本即可流畅运行（本地浏览器操作）
Fara 1.5-9B    → 网页导航性能约是上一代 Fara 7B 的两倍
Fara 1.5-27B   → 对标 OpenAI Operator / Gemini Computer Use

环境前置：
· Windows / macOS / Linux（能跑 Python 3.10+）
· 有 8GB 以上内存（4B 最低要求）
· 可选：已装 Ollama 或直接用 Hugging Face 拉模型

# 1. 拉取 MagenticLite 应用框架
git clone https://github.com/microsoft/MagenticLite
cd MagenticLite
pip install -e .

# 2. 拉取 Fara 1.5-4B 模型（从 Hugging Face）
#    用 transformers / Ollama 均可，示意：
olama pull fara-1.5-4b   # 若已装 Ollama
# 或直接 HF 下载：
# huggingface-cli download microsoft/Fara-1.5-4B-MLC

# 在配置里指向本地 Fara 1.5-4B
{
  "brain_model": "fara-1.5-4b",
  "brain_backend": "local",   // local / hf / api
  "operator_model": "fara-1.5-4b"
}

# 想临时用云端顶配？也可切到云端 API（需自备 Key）：
# "brain_backend": "api", "api_key": "sk-xxx"

启动 MagenticLite，给它一句人话，Fara 1.5 会在浏览器里看截图、推理 UI、执行操作：

python -m magentic_lite --task "打开 example.com，找到搜索框，搜 AI news，把第一条标题告诉我"

执行过程你会看到：
· Fara 1.5 截取当前页面截图
· MagenticBrain 拆解：找搜索框 → 输入 → 回车 → 读结果
· Fara 1.5 逐步点击 / 键入，最终返回答案

当任务变复杂（如「比价三件商品并生成表格」），MagenticBrain 负责规划，必要时还能调用终端命令辅助：

python -m magentic_lite --task "在三个电商站搜『机械键盘』，取最低价，存成 csv"

MagenticBrain 会：
1. 拆成 3 路并行搜索子任务
2. 派 Fara 1.5 分别操作三个浏览器窗口
3. 汇总结果，调用本地命令写出 csv
4. 把路径返回给你

# 护栏建议（写进配置）
{
  "allow_terminal": false,        // 默认关终端，需要时再开
  "confirm_high_risk": true,      // 高危动作弹确认
  "external_upload": false,       // 禁止向外部 URL 上传
  "max_steps": 30                 // 防止 Agent 无限循环
}

□ 模型是否本地加载成功（4B 足以跑通基础流程）？
□ 浏览器任务能否端到端完成并回传结果？
□ 复杂任务 Brain 是否正确拆解并调度？
□ 终端 / 上传等高危能力是否收口或接人工？
□ 是否验证了「页面数据未离开本机」？
□ 失败任务是否有 max_steps 兜底不卡死？