阿里开源 Page Agent：纯 JS 注入网页的 GUI 智能体
thisguyknowsai · x · 2026-08-08
阿里巴巴开源了名为 Page Agent 的 GUI 智能体项目（已获 28.5K Star）。与传统的浏览器扩展或自动化脚本不同，它直接以纯 JavaScript 的形式嵌入网页内部。
核心特性
- 极简接入：无需 Python、Puppeteer 或无头浏览器，仅需添加一个 <script> 标签或通过 npm 安装即可让 Web 应用理解自然语言。
- 文本 DOM 操作：不依赖截图、OCR 或多模态视觉模型，直接基于文本进行 DOM 树操作。
- 自带模型：支持接入主流 LLM（如 GPT、Claude、Qwen 等），并包含 Human-in-the-loop（人类在环）的 UI 支持。
应用场景
能够将原本需要多次点击的复杂 ERP/CRM 工作流转化为一句自然语言指令。此外，它还提供可选的 Chrome 扩展，用于处理多标签页的智能体任务。
「编程与Agent」频道最新
- MiniMax Design 上线：主打通用的多模态 AI Agent 创作工作流 — VraserX · 2026-08-08
- TensorLens：纯浏览器端检查 HF 模型量化分布的开源工具 — Brilliant-Hall1387 · 2026-08-08
- 让 Claude 游玩《毁灭战士》，并用 W&B 记录每帧决策 — _ScottCondron · 2026-08-08
- 开发者实测：日常编码中最实用的 AI Agent 技能盘点 — jonathan_wilke · 2026-08-08
- AI对齐已非最大难题，无护栏智能体引安全担忧 — teortaxesTex · 2026-08-08
- Vercel 开源知识库 Agent 模板：抛弃向量库改用 grep — tom_doerr · 2026-08-08