阿里开源神工具!一句话操控网页,零插件零后端,打工人效率直接拉满
阿里开源神工具！一句话操控网页，零插件零后端，打工人效率直接拉满
还在对着复杂的办公系统、繁琐的网页表单反复点击、逐行填写？还在为客服机器人只会 “嘴说” 不会 “动手” 抓狂？
阿里这次放出的开源大招 page-agent ，直接给所有网页装上了「AI 智能操作员」！不用装浏览器插件，不用搭后端环境，甚至不用写一行代码，只需要说一句自然语言指令，网页就能精准听懂、自动执行，彻底把人从机械的网页操作里解放出来！
page-agent 是阿里打造的 纯网页端嵌入式 GUI 智能代理 ，简单说就是给网页安了个 “大脑”，让网页能听懂人话、自己干活。
-
报销时，对着网页说「帮我填完这份报销单，收款人填李明，附言写 Q3 差旅费」，AI 自动录入所有信息，不用手动敲字；
-
用 CRM 系统时，说「导出本月华东区的客户成交报表，格式选 Excel」，不用翻层层菜单，网页直接完成导出；
-
新手用企业管理系统，说「演示一下怎么提交采购申请」，AI 直接一步步操作演示，比看教程快 10 倍；
-
客服对接用户时，用户说「不会改收货地址」，客服不用打字指导，AI 直接帮用户在网页上完成修改！
从点击按钮、填写表单到演示流程，只要是网页上的操作，一句话就能让 AI 代劳，全程丝滑无卡顿，打工人的办公效率直接翻倍。
能让网页实现 “自然语言操控”，page-agent 的核心能力个个戳中痛点，不管是普通用户还是开发者，用起来都超顺手：
基于网页 DOM 结构做文本化解析，不用视觉识别，纯文字处理让操作又快又准，再也不会出现 “AI 点错按钮、填错输入框” 的情况。
支持操作白名单、数据脱敏保护，还能注入自定义知识，让 AI 严格按照你的规则干活，敏感操作、私密数据全保护，企业办公、SaaS 产品用着超安心。
不用搭建复杂的后端服务，要么通过 CDN 一键引入，要么用 NPM 安装，还能对接自定义大模型接口，开发者几行代码就能集成到自己的网站、系统里。
给视障、老年用户提供自然语言交互入口，还能对接屏幕阅读器、语音助手，让复杂的网页系统对所有人友好，真正实现 “科技普惠”。
提到网页自动化，很多人会想到 browser-use 这类工具，但 page-agent 和它的定位、体验天差地别，它不是简单的 “替代品”，而是专为网页开发者和普通用户打造的 体验增强工具 ，一张表看清核心区别：
简单来说， browser-use 是给专业开发者做自动化任务的工具 ，需要写代码、配环境，普通用户根本玩不转；而 page-agent 是给所有用户用的网页 “AI 管家” ，零门槛、易集成，核心是让网页更好用，而非单纯的 “自动化”。
page-agent 的能力不止 “自动点按钮、填表单”，它的适配性极强，不管是企业端还是个人端，都能找到精准的使用场景，真正做到 “物尽其用”：
让客服机器人不再只发「点击 XX 按钮→选择 XX 选项」的文字指导，而是直接帮用户在网页上完成操作，用户体验拉满，客服工作量减半。
很多企业的传统 B2B 系统、办公后台操作复杂，不用重构代码，只需引入 page-agent，就能让老旧系统拥有 AI 交互能力，员工不用记复杂流程，说句话就能干活。
新员工培训、产品使用教学时，AI 直接在网页上实时演示操作步骤，比如「提交费用报销的完整流程」「创建客户档案的步骤」，比文字教程、视频教程更直观。
为视障、老年等群体打造自然语言交互入口，对接语音助手、屏幕阅读器，让复杂的网页系统不再有使用门槛，真正实现 “人人可用”。
阿里这款 page-agent 的厉害之处，不在于多炫酷的技术，而在于 把复杂的网页智能交互，做成了人人能用、开发者易集成的工具 。
它跳出了传统网页自动化工具的 “专业思维”，不再只服务于少数开发者，而是面向所有网页用户 —— 让普通用户能一句话操控网页，让开发者能快速给产品装上 AI 能力，让企业能低成本升级系统体验。
目前这款工具已完全开源，还提供了详细的开发文档和演示案例，不管是想提升办公效率的普通打工人，还是想给产品做体验升级的开发者，都能轻松上手。
在效率为王的时代，能让网页 “听懂人话、自己干活”，这本身就是一种超能力！赶紧去试试，让你的网页操作效率直接拉满～
仓库地址：https://github.com/alibaba/page-agent
💡 感谢您的阅读喜欢本文可以关注公众号，不错过后续干货更新
夜雨聆风
