热门开源项目
阿里开源Page Agent：用自然语言操控网页
原标题：alibaba/page-agent
TL;DR · 一句话结论
阿里开源Page Agent，一个前端JavaScript库，支持通过自然语言操作网页DOM、填充表单等，可自带LLM，无需截图或浏览器扩展。
主要内容
- 01来自阿里巴巴，MIT开源许可证
- 02纯前端JavaScript，无需后端或扩展
- 03基于文本DOM操作，无需多模态模型
- 04支持自带LLM（如Qwen）和免费测试API
- 05可选Chrome扩展实现多页面任务
- 06提供MCP Server Beta供外部控制
背景
Page Agent是阿里巴巴推出的开源JavaScript库，旨在让开发者轻松为网页添加自然语言控制能力。它通过解析DOM文本结构，将用户指令转换为页面操作，无需截图或浏览器自动化框架。项目基于browser-use的DOM处理模式，提供CDN一行集成和npm包安装。
为什么值得关注
Page Agent让AI工具用户无需复杂配置即可实现网页智能化。开发者可快速为SaaS产品添加AI Copilot，或为ERP/CRM系统实现一句话填表。对无障碍场景也有价值——通过语音或自然语言操控任何网页，降低使用门槛。
🇨🇳
对中国用户与市场
国内用户可直接访问中国镜像CDN（npm mirror），示例中使用通义千问模型，对中文开发者友好。需注意免费测试API有使用限制，建议生产环境自带LLM Key。
继续关注
⚠尚未确定的部分
- ·免费测试API仅限技术评估，稳定性未知
- ·文本DOM操作可能无法处理动态加载或复杂交互
- ·Chrome扩展和MCP Server仍为Beta阶段
- ·依赖的LLM性能直接影响指令理解准确性
→可采取的行动
- ·开发者试用CDN或npm安装，测试网页控制效果
- ·结合自身LLM API（如通义千问）配置生产环境
- ·关注Chrome扩展和MCP Server的正式版本更新
- ·探索无障碍场景和SaaS AI Copilot的集成可能
摘记
Control web interfaces with natural lang
No need for browser extension / python /
#Alibaba#Page Agent#Qwen#browser-use#MCP Server#开源AI工具#网页自动化#自然语言交互#前端AI#阿里
🤖 本文根据 GitHub Trending Daily RSS 的 RSS 内容整理，并由 AI 辅助提炼要点。完整上下文请以 原文 为准。