Page Agent – 阿里开源的 JavaScript GUI 智能体库

如何使用Page Agent

• 快速体验：在网页中插入一行 <script> 标签引入 Page Agent 的 IIFE 演示脚本，即可在页面上激活 AI 操控面板。
• 安装依赖：生产环境通过 npm install page-agent 安装依赖包，将其引入到你的前端项目中。
• 创建实例：用 new PageAgent() 创建实例，配置 model、baseURL、apiKey 等参数指向你的 OpenAI 兼容模型端点。
• 执行指令：调用 agent.execute('你的自然语言指令') 让 AI 解析指令并自动在页面 DOM 中定位元素、执行点击或输入等操作。
• 安全配置：可选配置操作白名单、数据脱敏规则和关键操作确认，确保 AI 行为符合安全与业务要求。

Page Agent的核心优势

• 零后端改造：嵌入一行脚本即可，无需重写后端或分发浏览器扩展。
• 低成本运行：仅传输文本 DOM 结构，无需多模态视觉模型，显著降低 Token 消耗。
• 原生安全继承：页面原有的 UI 校验、权限规则继续生效，敏感数据可脱敏。
• 模型无关：支持任何 OpenAI 兼容端点，切换模型仅需改 baseURL。
• MIT 开源：TypeScript 编写，代码完全开放，可自由定制。

Page Agent的项目地址

• 项目官网：https://alibaba.github.io/page-agent/
• GitHub仓库：https://github.com/alibaba/page-agent

Page Agent的同类竞品对比

Page Agent的应用场景

• SaaS 产品 AI 副驾驶：在自家产品中嵌入助手，直接帮用户执行操作而非仅给出文字指引。
• 智能表单填写：将多步 ERP/CRM 表单压缩为一句指令，如”提交昨天午餐 50 元差旅报销”。
• 无障碍访问：结合 Web Speech API 实现语音控制网页，提升视障用户操作体验。
• 遗留系统现代化：为无 API 的旧系统添加自然语言命令栏，无需改动原始代码。