Page-Agent 是什么

简单来说，Page-Agent 是一个 JavaScript 页面内 GUI Agent。你可以用自然语言告诉它你想在网页上做什么操作，它就会帮你执行。不需要写复杂的爬虫脚本，不需要研究 DOM 结构，直接说人话就行。

这个项目在 GitHub 上已经拿到了 9.2k 的 star，730 个 fork，热度相当高。

为什么一人公司应该关注这个

做过自动化的人都知道，网页操作自动化一直是个痛点。传统方案要么用 Selenium 写一堆定位代码，要么用 Puppeteer 搞无头浏览器，维护成本都不低。页面结构一变，脚本就挂。

Page-Agent 走了一条不同的路——它直接在页面内运行，用自然语言理解你的意图，然后操作界面元素。这意味着你不用关心按钮的 CSS 选择器是什么，直接说"点击提交按钮"就行。

对于一人公司来说，这种工具的价值在于：

  • 快速搭建自动化工作流：很多重复性的网页操作可以用自然语言描述来自动完成
  • 降低技术门槛：不需要深入了解前端技术就能实现网页自动化
  • 减少维护成本：基于语义理解而不是硬编码选择器，页面小改动不容易导致脚本失效

实际应用场景

我能想到的几个场景：

  • 自动化填写各种后台表单（发货、客服回复模板等）
  • 批量操作 SaaS 工具里没有提供 API 的功能
  • 搭配 n8n 等工作流工具，把网页操作也纳入自动化链条
  • 做竞品监控，自动在对手网站上抓取公开信息

怎么用起来

项目是纯 JavaScript 实现的，直接在浏览器页面内运行。去 GitHub 搜 alibaba/page-agent 就能找到仓库，README 里有详细的安装和使用说明。

如果你已经在用类似 Browser Use 或者 Playwright 做网页自动化，建议花半小时看看 Page-Agent 的方案。它的"页面内运行"这个设计思路确实不一样，对于某些场景可能比外部控制浏览器的方案更稳定、更轻量。独立开发者的时间最值钱，能省一点维护成本就省一点。