Page Agent – 阿里开源纯前端JS页面智能体库

Page Agent是阿里巴巴开源的纯前端JavaScript智能体工具库，一行代码嵌入网页即可实现自然语言驱动DOM交互。依托DOM脱水技术将复杂页面简化为轻量化文本树，兼容所有OpenAI协议大模型；无需后端服务、页面截图、浏览器插件，就能完成点击、填表、滚动等页面操作，帮助Web应用快速内置AI智能副驾驶能力。

一、产品核心功能：

1、自然语言页面操控：输入点击按钮、填写表单等文字指令，AI自动定位DOM节点并执行交互动作

2、DOM脱水压缩：提取页面交互元素生成FlatDomTree精简文本树，大幅减少模型输入Token开销

3、通用模型架构：适配通义千问、GPT等所有OpenAI兼容服务，仅配置接口地址与密钥即可接入

4、多层安全管控：操作白名单、敏感字段脱敏、高危操作人工确认、自定义行业知识库注入

5、单页面闭环交互：页面内独立完成全套交互逻辑，不依赖后端与浏览器扩展程序

二、产品核心优势：

1、零后端改造：仅引入一行前端脚本即可接入，无需重构后端、分发浏览器插件

2、低资源消耗：仅传输轻量化DOM文本，无需视觉多模态模型，显著节约调用成本

3、原生安全复用：继承页面原有校验、权限逻辑，配套敏感数据脱敏机制

4、全模型兼容：任意OpenAI兼容接口无缝切换，仅修改接口地址即可完成替换

5、MIT开源协议：基于TypeScript开发，源码完全开放，支持业务深度自定义改造

三、产品使用流程：

1、快速试用：页面引入IIFE演示脚本标签，一键启用AI自然语言操控面板

2、项目部署：生产环境执行npm install page-agent安装包，导入前端工程

3、初始化实例：新建PageAgent实例，配置模型地址、接口密钥等大模型参数

4、执行交互指令：调用execute方法传入自然语言指令，AI自动解析并操作页面DOM

5、安全策略配置：按需配置操作白名单、数据脱敏、高危操作确认规则，保障业务安全合规