夜雨聆风
封神!阿里开源 AI 工具 PageAgent 狂揽13.2k 星,前端自动化进入 “自然语言时代”!!!
2026 年，阿里巴巴开源的 PageAgent 彻底打破了这一僵局 —— 它以 “一行 JS 嵌入” 的极简设计，3 个月狂揽 9.2k GitHub 星标（截止目前已揽获 13.2k GitHub 星标），成为前端圈最火的 AI 工具。不同于传统自动化工具的复杂配置，PageAgent 直接 “住进” 你的网页，用自然语言就能指挥网页完成点击、填表、筛选等操作，让技术小白也能轻松拥有 AI 自动化能力。
先带大家一睹这款黑科技的风采，看看它如何重新定义网页交互：
视频中，全程我只负责在“聊天窗口”跟 AI 聊天，并没有直接操作网页，最终帮我轻松获得京东上销量最好的10款鼠标详情！显而易见，PageAgent 让网页操作变简单：用自然语言下达指令，不用复杂编码，全程不用自己动手操作网页，轻松高效！
🤔 什么是 PageAgent？本质是 “住在网页里的 AI 操作员”
官方定义：The GUI Agent Living in Your Webpage（住在网页里的 GUI 智能体）。
传统自动化工具（如 Selenium、UiPath）要么需要复杂编码，要么依赖昂贵的后端部署，而 PageAgent 的核心创新是 “内嵌式智能执行”：
🔹 运行环境：完全寄生在浏览器中，基于原生 JavaScript，无需安装插件、无头浏览器或 Python 环境；
用一句话概括：PageAgent 把复杂的网页自动化，变成了 “聊天式操作”—— 你只需要描述目标，AI 会自己找按钮、填表单、走流程。
🚀 三大核心优势，碾压传统 RPA 工具
1. 零代码门槛：自然语言替代编程；
对比传统工具的陡峭学习曲线，PageAgent 让自动化 “人人可用”：
|
工具 |
操作方式 |
学习成本 |
适用人群 |
|
Selenium |
编写 Python 代码 |
高 |
专业开发者 |
|
UiPath |
拖拽可视化流程 |
中 |
企业运维人员 |
|
PageAgent |
自然语言指令 |
极低 |
所有人（含非技术） |
实战对比：完成 “筛选商品并加购” 任务，Selenium 需要 20 + 行代码，PageAgent 只需一句自然语言指令，开发效率提升 30 倍。
2. 极致轻量化：浏览器原生，零部署成本；
PageAgent 彻底抛弃了传统 RPA 的笨重架构：
- ✅ 无需服务器：所有操作在客户端完成，数据不离开浏览器，隐私更安全；
- ✅ 继承登录态：自动复用用户当前的 Cookies 和 Session，无需额外处理鉴权；
- ✅ 跨框架兼容：支持 React、Vue、Angular 等所有前端框架，直接操作底层 DOM；
对于企业而言，这意味着无需投入百万级部署费用，前端工程师半天即可完成集成。
3. 精准高效：DOM 解析替代视觉识别；
不同于依赖多模态模型的截图识别方案，PageAgent 的 “DOM 脱水解析” 技术堪称降维打击：
- 智能过滤冗余标签，只提取按钮、输入框等可交互元素；
- 将页面结构转化为轻量级文本描述，降低 LLM 调用成本；
- 自动脱敏敏感数据（如密码框、财务信息），符合合规要求；
根据网络数据，有人实测显示，相同任务下 PageAgent 的执行速度比视觉识别方案快7倍，错误率降低90%，且无需昂贵的多模态模型支持。
基于 PageAgent 的诸多特性，我起初立刻想到它在自动化测试场景的潜力 —— 毕竟无需复杂部署、自然语言驱动的优势，能大幅降低测试流程的搭建成本（即便它对 Canvas 等非 DOM 页面仍有支持局限），甚至已经规划好以它为核心搭建自动化测试方案。但深入研究后意外发现，PageAgent 的底层依赖项目 browser-use，在工程化自动化测试场景中适配度更高：它的 DOM 操作逻辑更聚焦测试流程的稳定性与可复用性，更符合测试任务对精准度、批量执行的核心需求。这款 “意外收获” 的工具，我会在后续文章中详细拆解其使用场景与实战教程，敬请期待～
💼 四大典型应用场景，覆盖企业与个人
1. 企业内部系统自动化；
- 财务报表自动填写、数据导出；
- ERP 系统批量操作、流程审批；
- 替代 UiPath 等传统 RPA，年成本从 50 万降至 1 万元以内；
2. SaaS 产品内嵌 AI 助手；
- 给 CRM、OA 系统添加 “聊天式操作” 功能；
- 用户说 “导出上月销售数据”，Agent 自动完成操作；
- 降低产品学习成本，提升用户留存率；
3. 内容运营高效工作流；
- 自动发布内容到多个平台（跨标签页操作）；
- 批量采集网页数据、整理成表格；
- 定时监测竞品价格、库存变化；
4. 无障碍访问增强；
- 支持语音指令操作网页，适配视觉障碍用户；
- 简化复杂表单填写流程，提升老年用户体验；
⚠️ 注意事项：优势与局限并存
核心优势
- ✅ 开源免费（MIT 协议），商业使用无风险
- ✅ 中文原生支持，适配国内网站
- ✅ 活跃维护：几乎每天更新版本，问题响应及时
目前局限
- ❌ 跨页面操作需安装 Chrome 扩展
- ❌ 对 Canvas、WebGL 等非 DOM 渲染页面支持有限
- ❌ 需遵守网站服务条款，避免用于违规爬虫
如何快速开始使用 PageAgent?
4. 打开你的目标网页后，点击书签栏收藏好的 PageAgent 链接即可打开对话框;
🌟 免费资源直达，快速上手
以下是 PageAgent 官方资源，复制链接即可访问，无需复杂配置：
- GitHub 开源地址
https://github.com/alibaba/page-agent（9.2k 星，持续更新）
- 官方文档
https://alibaba.github.io/page-agent（详细功能说明 + 使用指南）
- Chrome 扩展（多页面任务必备）
https://github.com/alibaba/page-agent/tree/main/extension
- 全球 CDN 快速体验
https://cdn.jsdelivr.net/npm/page-agent@1.6.1/dist/iife/page-agent.demo.js
- 中国区 CDN（优化访问速度）
https://registry.npmmirror.com/page-agent/1.6.1/files/dist/iife/page-agent.demo.js
- 官方问题反馈
https://github.com/alibaba/page-agent/issues（遇到问题可直接留言）
📌 最后想说
想象一下，以前如果想要实现：
“帮我在电商网站筛选 50-100 元的手机壳并加入购物车”——
可能要写 200 行 Python 代码、调试 XPath 路径等专业的操作，现在对着网页说句话就能实现。阿里的 PageAgent 打破了 RPA 工具的技术壁垒，让 “网页听懂自然语言” 从概念变成现实。PageAgent 的出现，让 “AI 赋能网页” 从概念落地为现实。它不需要复杂的技术栈，不需要高昂的部署成本，只用一行代码、一句脱口而出的话就能让你的网站、产品瞬间升级为 “智能平台”。
随着 LLM 能力的迭代和社区生态的完善，PageAgent 这类 “内嵌式 AI Agent” 必将成为网页交互的标配。
你觉得 PageAgent 还能应用在哪些场景？欢迎在评论区交流分享～
如果您觉得有用，别忘了点赞 + 关注！感恩~
你们的支持，是我持续更新的动力。