前言最近发现了一个超厉害的开源项目——Page-Agent这是阿里巴巴开源的浏览器内 GUI Agent 框架只需要一行代码就能让你的网站秒变 AI 原生应用今天就来给大家详细扒一扒这个神器。什么是 Page-AgentPage-Agent 是一个纯前端的浏览器内 GUI Agent 框架它的核心理念是让任何网站都能轻松集成 AI 能力无需后端部署。核心特点✅纯前端方案- 无需后端服务器直接在浏览器内运行✅支持多种 LLM- OpenAI、Claude、DeepSeek、Qwen、Gemini、Grok、Ollama、Kimi、GLM、LLaMA 等✅隐私优先- 所有操作都在浏览器内完成数据不会外泄✅人机协同- 内置确认面板用户可以实时查看和确认 AI 的操作✅MIT 开源- 完全免费可商用✅轻量级- 版本号 1.5.2持续更新维护核心功能1️⃣ 智能表单填写Page-Agent 可以自动识别网页中的表单字段根据用户指令智能填写大大提升工作效率。2️⃣ SaaS AI 副驾驶为 SaaS 应用添加 AI 助手让用户通过自然语言即可完成复杂操作。3️⃣ 无障碍增强帮助残障人士更好地使用网页提供语音控制和智能导航功能。4️⃣ 多页面任务控制通过浏览器扩展支持跨页面的复杂任务执行实现真正的自动化工作流。快速开始使用 Page-Agent 非常简单只需要在你的网站中引入一行代码import { PageAgent } from alibaba/page-agent; const agent new PageAgent({ model: gpt-4, apiKey: your-api-key }); agent.run(帮我填写这个表单);支持的模型Page-Agent 支持市面上主流的几乎所有大语言模型 OpenAI (GPT-4, GPT-3.5) Claude (Anthropic) DeepSeek Qwen (通义千问)✨ Gemini (Google) Grok (xAI) Ollama (本地部署) Kimi (月之暗面) GLM (智谱 AI) LLaMA (Meta)技术架构Page-Agent 采用纯前端架构主要包含以下模块DOM 解析器- 智能分析网页结构操作执行器- 模拟用户交互行为确认面板- 人机协同交互界面LLM 适配器- 统一接口支持多种模型应用场景 企业办公自动填写各类业务系统表单批量处理数据录入任务跨系统数据同步 电商平台智能客服助手自动订单处理商品信息批量管理 数据分析自动抓取网页数据生成数据报告可视化图表制作♿ 无障碍辅助语音控制网页浏览智能内容朗读简化操作流程总结Page-Agent 作为一个开源的浏览器内 GUI Agent 框架为我们提供了一种全新的网站智能化方案。它不需要后端部署支持多种大模型隐私安全非常适合想要快速为网站添加 AI 能力的开发者。如果你也在寻找一种简单高效的方式来为你的网站或应用添加 AI 交互能力那么 Page-Agent 绝对值得一试项目地址: https://alibaba.github.io/page-agentGitHub: https://github.com/alibaba/page-agent觉得这篇文章对你有帮助的话欢迎点赞收藏转发