[特殊字符]阿里开源神器！一行代码让网站秒变 AI 原生应用，Page-Agent 太强了！

前言

最近发现了一个超厉害的开源项目——Page-Agent，这是阿里巴巴开源的浏览器内 GUI Agent 框架，只需要一行代码就能让你的网站秒变 AI 原生应用！今天就来给大家详细扒一扒这个神器。

什么是 Page-Agent？

Page-Agent 是一个纯前端的浏览器内 GUI Agent 框架，它的核心理念是：让任何网站都能轻松集成 AI 能力，无需后端部署。

核心特点

✅ 纯前端方案 - 无需后端服务器，直接在浏览器内运行
✅ 支持多种 LLM - OpenAI、Claude、DeepSeek、Qwen、Gemini、Grok、Ollama、Kimi、GLM、LLaMA 等
✅ 隐私优先 - 所有操作都在浏览器内完成，数据不会外泄
✅ 人机协同 - 内置确认面板，用户可以实时查看和确认 AI 的操作
✅ MIT 开源 - 完全免费，可商用
✅ 轻量级 - 版本号 1.5.2，持续更新维护

核心功能

1️⃣ 智能表单填写

Page-Agent 可以自动识别网页中的表单字段，根据用户指令智能填写，大大提升工作效率。

2️⃣ SaaS AI 副驾驶

为 SaaS 应用添加 AI 助手，让用户通过自然语言即可完成复杂操作。

3️⃣ 无障碍增强

帮助残障人士更好地使用网页，提供语音控制和智能导航功能。

4️⃣ 多页面任务控制

通过浏览器扩展支持跨页面的复杂任务执行，实现真正的自动化工作流。

快速开始

使用 Page-Agent 非常简单，只需要在你的网站中引入一行代码：

import { PageAgent } from '@alibaba/page-agent'; const agent = new PageAgent({ model: 'gpt-4', apiKey: 'your-api-key' }); agent.run('帮我填写这个表单');

支持的模型

Page-Agent 支持市面上主流的几乎所有大语言模型：

• 🤖 OpenAI (GPT-4, GPT-3.5)
• 🧠 Claude (Anthropic)
• 🚀 DeepSeek
• 💫 Qwen (通义千问)
• ✨ Gemini (Google)
• 🔥 Grok (xAI)
• 🦙 Ollama (本地部署)
• 🌟 Kimi (月之暗面)
• 🎯 GLM (智谱 AI)
• 📚 LLaMA (Meta)

技术架构

Page-Agent 采用纯前端架构，主要包含以下模块：

1. DOM 解析器 - 智能分析网页结构
2. 操作执行器 - 模拟用户交互行为
3. 确认面板 - 人机协同交互界面
4. LLM 适配器 - 统一接口支持多种模型

应用场景

🏢 企业办公

• 自动填写各类业务系统表单
• 批量处理数据录入任务
• 跨系统数据同步

🛒 电商平台

• 智能客服助手
• 自动订单处理
• 商品信息批量管理

📊 数据分析

• 自动抓取网页数据
• 生成数据报告
• 可视化图表制作

♿ 无障碍辅助

• 语音控制网页浏览
• 智能内容朗读
• 简化操作流程

总结

Page-Agent 作为一个开源的浏览器内 GUI Agent 框架，为我们提供了一种全新的网站智能化方案。它不需要后端部署，支持多种大模型，隐私安全，非常适合想要快速为网站添加 AI 能力的开发者。

如果你也在寻找一种简单高效的方式来为你的网站或应用添加 AI 交互能力，那么 Page-Agent 绝对值得一试！

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

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

觉得这篇文章对你有帮助的话，欢迎点赞收藏转发！