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。
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：
- DOM 解析器 - 智能分析网页结构
- 操作执行器 - 模拟用户交互行为
- 确认面板 - 人机协同交互界面
- 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！