前言

最近發現了一個超厲害的開源項目——Page-Agent，這是阿里巴巴開源的瀏覽器內 GUI Agent 框架，只需要一行代碼就能讓你的網站秒變 AI 原生應用！今天就來給大家詳細扒一扒這個神器。

什麼是 Page-Agent？

Page-Agent 是一個純前端的瀏覽器內 GUI Agent 框架，它的核心理念是：讓任何網站都能輕鬆集成 AI 能力，無需後端部署。

核心特點

✅ 純前端方案 - 無需後端服務器，直接在瀏覽器內運行
✅ 支持多種 LLM - OpenAI、Claude、DeepSeek、Qwen、Gemini、Grok、Ollama、Kimi、GLM、LLaMA 等
✅ 隱私優先 - 所有操作都在瀏覽器內完成，數據不會外泄
✅ 人機協同 - 內置確認面板，用户可以實時查看和確認 AI 的操作
✅ MIT 開源 - 完全免費，可商用
✅ 輕量級 - 版本號 1.5.2，持續更新維護

核心功能

1️⃣ 智能表單填寫

Page-Agent 可以自動識別網頁中的表單字段，根據用户指令智能填寫，大大提升工作效率。

2️⃣ SaaS AI 副駕駛

為 SaaS 應用添加 AI 助手，讓用户通過自然語言即可完成複雜操作。

3️⃣ 無障礙增強

幫助殘障人士更好地使用網頁，提供語音控制和智能導航功能。

4️⃣ 多頁面任務控制

通過瀏覽器擴展支持跨頁面的複雜任務執行，實現真正的自動化工作流。

快速開始

使用 Page-Agent 非常簡單，只需要在你的網站中引入一行代碼：

import { PageAgent } from '@alibaba/page-agent';

const agent = new PageAgent({
  model: 'gpt-4',
  apiKey: 'your-api-key'
});

agent.run('幫我填寫這個表單');

支持的模型

Page-Agent 支持市面上主流的幾乎所有大語言模型：

• 🤖 OpenAI (GPT-4, GPT-3.5)
• 🧠 Claude (Anthropic)
• 🚀 DeepSeek
• 💫 Qwen (通義千問)
• ✨ Gemini (Google)
• 🔥 Grok (xAI)
• 🦙 Ollama (本地部署)
• 🌟 Kimi (月之暗面)
• 🎯 GLM (智譜 AI)
• 📚 LLaMA (Meta)

技術架構

Page-Agent 採用純前端架構，主要包含以下模塊：

1. DOM 解析器 - 智能分析網頁結構
2. 操作執行器 - 模擬用户交互行為
3. 確認面板 - 人機協同交互界面
4. LLM 適配器 - 統一接口支持多種模型

應用場景

🏢 企業辦公

• 自動填寫各類業務系統表單
• 批量處理數據錄入任務
• 跨系統數據同步

🛒 電商平台

• 智能客服助手
• 自動訂單處理
• 商品信息批量管理

📊 數據分析

• 自動抓取網頁數據
• 生成數據報告
• 可視化圖表製作

♿ 無障礙輔助

• 語音控制網頁瀏覽
• 智能內容朗讀
• 簡化操作流程

總結

Page-Agent 作為一個開源的瀏覽器內 GUI Agent 框架，為我們提供了一種全新的網站智能化方案。它不需要後端部署，支持多種大模型，隱私安全，非常適合想要快速為網站添加 AI 能力的開發者。

如果你也在尋找一種簡單高效的方式來為你的網站或應用添加 AI 交互能力，那麼 Page-Agent 絕對值得一試！

項目地址: https://alibaba.github.io/page-agent

GitHub: https://github.com/alibaba/page-agent

覺得這篇文章對你有幫助的話，歡迎點贊收藏轉發！