开源 Sightline:让网页内 Agent 无需截图即可读懂页面结构
Wei_Sushi · reddit · 2026-10-28
开发者 WeiSushi 发布了 MIT 协议的 JS 包 Sightline,面向嵌入 Web 应用的 AI 助手。
- 本地解析 DOM:读取页面元素的标签、role 与控件状态(如输入框为空、按钮禁用、对话框名称),输出压缩文本大纲,默认上限 6000 字符。
- 替代截图描述调用:提取过程不调用任何模型,可省掉一整套 screenshot→描述 的链路;但仍不能替代视觉模型处理图表、图片和布局问题。
- 可监听页面变化并按引用高亮控件,方便 Agent 引导用户完成表单等流程。
- 已知限制:不包含已输入的字段值,页面其他文本仍需隐私处理;理解「按钮为何禁用」仍需产品规则。
仓库和 bookmarklet 演示见评论区,作者希望收集在真实应用中的失效场景反馈。
「编程与Agent」频道最新
- Odyssey 公开 AI 剧集制作全流程， prompting 指南上线 — NicoVerderosa · 2026-10-28
- Nace AI 检索工具登顶 MADQA，编码 agent 少走 62% 步骤 — testingcatalog · 2026-10-28
- Nace AI 搜索工具登顶 Snowflake MADQA 榜,500 题答对 94.7% — testingcatalog · 2026-10-28
- Marc Schmidt:Agent Skills 的终极形态不是 Markdown,而是改写神经元 — MarcJSchmidt · 2026-10-28
- 实测:Agent 厌倦延迟,Claude Opus 超 7.2 秒就弃用 API — danshipper · 2026-10-28
- 用 Skillry Motion 技能包 5 分钟接下小红书商单 — yihui_indie · 2026-10-28