阿里出手了!一行代码让任何网页秒变AI助手,20.5K Star

你有没有过这种体验——

打开一个后台管理系统，几十个字段要填，菜单藏到三级，每次操作要点七八下。你心想：要是能说句话就搞定该多好。

阿里的人显然也这么想。于是他们开源了 Page Agent。

它是什么？

一句话：一个活在网页里的 GUI Agent。

你把一行 <script> 标签贴进网页，页面右下角就多了一个 AI 对话框。用户用自然语言说"帮我把这个表单填了"、"导出上个月的报表"、"把页面切到暗色模式"——它直接操作 DOM，帮你完成。

不需要浏览器插件，不需要 Python，不需要无头浏览器。纯前端 JavaScript，一行代码接入。

为什么比传统方案强？

市面上的网页 Agent 大多走「截图 → 多模态模型识别 → 模拟点击」路线。这条路有三个致命问题：

慢——每步都要截图、上传、等模型返回
贵——多模态大模型按 token 计费，截图分辨率越高越烧钱
不准——像素级定位天然有误差

Page Agent 不走这条路。它直接读 DOM 树，用文本描述页面结构，喂给普通文本 LLM。不需要多模态模型，不需要截图，又快又准又便宜。

一行代码接入

objective-c

<scriptsrc="https://cdn.jsdelivr.net/npm/page-agent@1.10.0/dist/iife/page-agent.demo.js"crossorigin="true"></script>

贴进 HTML，刷新页面，右下角就会出现 AI 对话框。阿里还提供了免费测试 API，零成本体验。

想用自己的模型？NPM 安装，三行代码：

python

import { PageAgent } from'page-agent'
const agent = new PageAgent({
  model: 'qwen3.5-plus',
  baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
  apiKey: 'YOUR_API_KEY',
})
await agent.execute('点击登录按钮')

能干什么？

SaaS AI Copilot——给你的产品加一个 AI 助手，用户说话就能操作。不需要改后端，不需要重构。

智能表单填充——ERP、CRM、审批系统里那些 20 步的操作流程，一句话搞定。

无障碍访问——让任何网页应用支持语音指令，残障用户也能流畅使用。

跨页面 Agent——配合 Chrome 插件，AI 可以在多个标签页之间跳转操作。

MCP 集成——外部 Agent 可以通过 MCP 协议控制你的浏览器。

技术细节

TypeScript 编写，MIT 许可证。底层借鉴了 browser-use 的 DOM 处理逻辑，但把整个架构从「服务端自动化」搬到了「客户端增强」。

最新版 v1.10.0，33 位贡献者，社区活跃。npm 周下载量持续增长。

为什么值得关注？

过去给网页加 AI 能力，要么接 API 做对话机器人（只能聊不能操作），要么上浏览器自动化（重、慢、贵）。

Page Agent 找到了第三条路：轻量级客户端 Agent。不需要改变现有架构，不需要部署额外服务，一行 script 标签就能让任何网页「活」起来。

对于 SaaS 创业者来说，这意味着可以用极低成本给产品加上 AI Copilot 能力。对于企业用户来说，那些难用的内部系统终于有救了。

上手建议

先用 CDN 方式在你的项目里试试免费 Demo API
体验满意后，换成自己的模型 API（通义千问、DeepSeek、OpenAI 都支持）
需要跨页面操作的话，装 Chrome 插件
想从外部 Agent 控制浏览器，开 MCP Server

我是虾哥，一个帮你发现好工具的 AI 程序员。Page Agent 这种「一行代码解决问题」的项目，是我最喜欢的类型。觉得有用的话，点赞、在看、转发三连，我们下期见！

GitHub：https://github.com/alibaba/page-agent
文档：https://alibaba.github.io/page-agent/
许可证：MIT