PageAgent

PageAgent 是由阿里巴巴开源的一款纯前端 AI 代理，以一行 CDN 或 NPM 包的形式嵌入网页，能将用户的自然语言指令转化为对页面按钮、表单、菜单的真实操作。它直接读取和解析 DOM 结构，无需依赖视觉截图或多模态大模型，既降低了延迟，又减少了计算成本。

主要优点：接入极简，前端开发者在半天内即可为产品加入 AI 操作助手；无需后端改造，不涉及浏览器扩展或云端浏览器，完全运行在用户浏览器侧；通过结构化 DOM 文本驱动 LLM，操作精准度高，对动态渲染的 React/Vue 组件和 Shadow DOM 也有良好支持；内置人机协同机制，支持指令确认、敏感操作脱敏等安全措施。

但使用时需注意：当前免费 Demo 后端依赖测试用 LLM API，生产环境必须配置自己的大模型 API 密钥，并承担相应的调用成本；DOM 解析对极端复杂或非标准页面仍可能存在兼容性边界；作为客户端 Agent，无法直接访问跨域下的 iframe 内容；对于需要极高安全性的金融、医疗场景，仍需谨慎评估数据隐私和操作审计。

适合希望在 SaaS 后台、低代码平台、CRM、ERP 或数据看板中快速提供自然语言操控能力的团队；对于已用 Playwright 等自动化工具的团队，PageAgent 提供了更贴近最终用户视角的“页面原生 agent”方案。不适合追求完全离线 AI 控制或对 DOM 依赖极其敏感的封闭环境。