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
- Decision Models 把内部沙箱系统独立成产品，主打低价决策 API — airesearch12 · 2026-10-16
- Agent-Native 理念：让人和 Agent 共用同一套应用能力层 — aigclink · 2026-10-16
- 用 ChatGPT 会话经 Desktop Commander MCP 启动 Claude Code CLI — MidahBootyQuay · 2026-10-16
- 单操作员指挥多智能体能做的事已超乎想象 — natesiggard · 2026-10-16
- Claude Code 会话该跑多久？3 小时后上下文成灾的真实教训 — Additional-Buy-2562 · 2026-10-16
- Claude Code 隐藏行为：团队成员 agent 的回复不会送达 lead — Sauers_ · 2026-10-16