阿里巴巴 Page Agent:用自然语言通过 DOM 控制网页的 GUI Agent
阿里巴巴推出的 Page Agent 是一个运行在网页中的 JavaScript GUI Agent,能够通过读取实时 DOM 来理解页面,并根据自然语言指令执行点击和输入操作,无需截图或多模态模型。这一工具值得关注,因为它提供了一种轻量级的网页自动化方案,降低了开发门槛,且无需后端改造。影响对象包括需要自动化网页交互的开发者、测试人员和 RPA 用户。要使用它,可以在目标页面中注入 Page Agent 脚本,然后通过自然语言接口发送指令。