Page-Agent

Page-Agent 是阿里巴巴开源的一款纯前端 AI 代理（Agent）框架，核心是用自然语言指令操控网页界面。它把大语言模型接入浏览器端，让点击按钮、填写表单、切换页面这类动作可以通过一句话触发；项目强调轻量集成、兼容 OpenAI API 规范，并提供聊天式交互界面。对想给后台系统加 AI 副驾、做网页自动化原型或改善无障碍访问的开发者来说，值得先了解它的定位和边界。官网入口与开源仓库分别为 alibaba.github.io/page-agent 和 github.com/alibaba/page-agent，具体以实际页面为准。

使用体验与适用人群

从项目设计和公开文档看，Page-Agent 的体验重点不是替代 Selenium 或 Puppeteer，而是降低网页内自动化操作的门槛。接入方式通常是在页面引入脚本并配置模型接口，核心库以浏览器端运行为主，不一定需要自建后端；模型调用、API Key 和权限配置仍可能影响实际体验。优点是交互直观，聊天窗口能展示执行思路，也方便在关键步骤人工干预。

不足也比较明显：它更偏实验性 GUI Agent，效果通常取决于模型能力、页面 DOM 结构和授权范围，面对复杂后台或强风控页面时未必稳定。Chrome 扩展可做跨页面操作，但需要显式授权，敏感账号场景要谨慎。

• 想给 SaaS 后台加 AI 助手的开发者：可先评估自然语言操作的可行性。
• 需要做网页自动化原型的产品或测试团队：适合快速验证交互流程。
• 探索无障碍访问、语音控制网页的团队：可作为技术参考。
• 愿意读文档、能排查前端问题的个人开发者：上手成本相对可控。

使用建议：

• 引入第三方库或浏览器扩展前先做安全扫描，别在敏感页面放开过高权限。
• 核对版本、更新时间和文档说明，模型接口兼容性以实际页面为准。
• 数据与隐私合规因地区而异，涉及账号、表单和业务数据时要自行确认。
• 开源不等于服务永久免费，模型调用额度和可用性可能变化，是否付费以实际页面为准。

常见问题 FAQ

• Page-Agent 是什么？阿里巴巴开源的前端 AI 代理框架，用自然语言操控网页 UI，适合做网页助手和自动化原型。
• 需要会写代码吗？集成和配置通常要前端基础；普通用户能否直接用，要看具体产品是否封装好界面。
• 支持哪些模型？兼容 OpenAI API 规范，可接 OpenAI、通义千问等，实际支持范围以文档和页面为准。
• 能代替 Selenium 吗？定位不同。它偏页面内自然语言交互，复杂测试流程和稳定回归仍需专门工具。
• 是否免费？开源项目本身与模型调用费用是两回事，是否免费、额度多少以实际页面为准。

Page-Agent 的价值在于把自然语言交互带进网页前端，给后台系统、表单自动化和无障碍场景提供了一种轻量思路。它的局限也清楚：效果受模型、页面结构和权限影响，不适合被当成万能自动化工具。可把它作为补充性渠道，结合合规、稳定的既有方案一起评估。