Page Agent — 阿里开源浏览器内 AI Agent，自然语言控制网页

用说话的方式操控网页

Page Agent 是阿里巴巴开源的 JavaScript 库，让 AI Agent 直接在浏览器页面内用自然语言控制界面。和 Playwright/Puppeteer 这类需要外部进程的方案不同，Page Agent 是纯前端方案——一段 JS 注入页面就能工作，不需要浏览器扩展、Python 环境或无头浏览器。

核心特点

• 文本 DOM 操控 — 不靠截图/OCR，直接理解 DOM 结构来操作元素
• 自带 LLM — 支持接入任意大模型（推荐阿里灵积 API）
• 人机协作 — 内置可视化反馈和审批 UI，关键操作可人工确认
• 跨标签页 — 配合 Chrome 扩展可跨多个页面协调任务

使用场景

• SaaS 产品内嵌 AI Copilot（比如 CRM 里一句话填完表单）
• 复杂表单自动化（多步点击变成一句话指令）
• 无障碍辅助（语音/自然语言操控界面）
• 多窗口工作流编排

快速上手

CDN 引入即可体验免费 demo LLM，生产环境通过 NPM 安装并配置 LLM Provider。TypeScript 实现，MIT 许可。

4.4k Stars，轻量级浏览器自动化的新思路。