-  **轻松集成** - 无需 `浏览器插件` / `Python` / `无头浏览器`。 - 纯页面内 JavaScript,一切都在你的网页中完成。 - **📖 基于文本的 DOM 操作** - 无需截图,无需多模态模型或特殊权限。 - **🧠 用你自己的 LLM** - **🎨 精美 UI,支持人机协同** - **🐙 可选的 [Chrome 扩展](https://alibaba.github.io/page-agent/docs/features/chrome-extension),支持跨页面任务。** https://alibaba.github.io/page-agent/docs/introduction/overview/ ## 💡 应用场景 - **SaaS AI 副驾驶** — 几行代码为你的产品加上 AI 副驾驶,无需重写后端。 - **智能表单填写** — 把 20 次点击变成一句话。ERP、CRM、管理后台的最佳拍档。 - **无障碍增强** — 用自然语言让任何网页无障碍。语音指令、屏幕阅读器,零门槛。 - **跨页面 Agent** — 通过可选的 [Chrome 扩展](https://alibaba.github.io/page-agent/docs/features/chrome-extension),让你自己的 Agent 跨标签页工作。 从你提供的代码片段和仓库地址(`https://github.com/alibaba/page-agent`)来看,`page-agent` 是阿里巴巴开源的一个面向页面代理/控制的工具库,核心能力围绕**页面信息采集、DOM 操作、交互增强、前端框架适配** 等方向,以下是对该仓库核心能力和代码结构的梳理: ### 一、核心模块与功能 #### 1. 页面信息采集(`getPageInfo.ts`) 提供页面视口、滚动、尺寸等核心信息的精准获取,包括: - 视口宽高(`viewport_width/height`)、页面总宽高(`page_width/height`); - 滚动位置(`scroll_x/y`)、可视区外剩余像素(`pixels_below/right`); - 基于视口的分页计算(`pages_above/below`、`total_pages`)等。 ```TypeScript // 核心用法示例 const pageInfo = getPageInfo(); console.log('当前滚动位置:', pageInfo.scroll_y); console.log('页面总页数:', pageInfo.total_pages); ``` #### 2. 前端框架适配补丁(`patches/`) 针对主流框架的 DOM 结构/交互特性做兼容处理: - **AntD 适配(****`antd.ts`****)**:修复 AntD Select 组件(`input[role="combobox"]`)因 DOM 结构(div 包 input、input 不可见)导致的信息采集问题; - **React 适配(****`react.ts`****)**:识别 React 根节点(`#root`/`[data-reactroot]` 等),添加 `data-page-agent-not-interactive` 属性,避免根节点事件被误判为交互元素。 #### 3. 扁平化 DOM 树模型(`dom_tree/type.ts`) 定义高效的 DOM 树存储结构 `FlatDomTree`,区分文本节点、普通元素、可交互元素,支持: - 节点可见性、视口内状态、交互标识; - 可交互元素关联原生 `HTMLElement` 引用,便于后续操作。 #### 4. 可视化动效(`motion-css/`) 提供页面交互的动效增强能力(如高亮、过渡动画): - 多色层旋转/渐变动画(蓝/紫/橙/黄四层,支持顺时针/逆时针旋转); - 动效的显示/隐藏控制(`createMotion` 生成动效容器,`show/hide` 触发入场/退场动画)。 #### 5. 开发者工具(`website/src/components/`) 提供调试配套组件: - **JSConsole.tsx**:嵌入式 JS 调试台,支持代码执行、console 拦截、结果高亮,适配多轮执行上下文共享; - **HighlightSyntax.tsx**:语法高亮工具,支持 JS/TS 全量 token(字符串、注释、关键字、类型、装饰器等); - **ThemeSwitcher.tsx**:明暗主题切换,支持系统主题跟随、localStorage 持久化。 ### 二、工程化配置 #### 1. 依赖管理(`dependabot.yml`) - npm 依赖:按「生产/开发依赖」分组,仅自动更新 minor/patch 版本,major 版本需人工审查; - GitHub Actions 依赖:全量分组,每周自动更新。 #### 2. 部署流程(`deploy-demo.yml`) - 触发条件:main 分支 push; - 部署步骤:Node.js 24 环境构建 → 打包 website → 部署到 GitHub Pages。 #### 3. 忽略配置(`.gitignore`) 覆盖日志、依赖、构建产物、编辑器配置、环境文件、AI 工具缓存等,符合前端工程化最佳实践。 ### 三、核心应用场景 1. **页面自动化测试**:精准获取页面状态 + 识别可交互元素,替代传统的坐标/选择器操作; 2. **低代码/可视化搭建**:FlatDomTree 扁平化结构便于 DOM 遍历/操作,动效模块增强交互反馈; 3. **前端监控/埋点**:结合页面信息采集 + 框架适配,精准捕获用户行为; 4. **调试工具开发**:JSConsole/语法高亮可快速集成到自研调试平台。 ### 四、使用建议 1. 安装:需先确认仓库的发布方式(npm 包/源码引入),源码引入需处理 monorepo 结构(`packages/` 下多包); 2. 适配扩展:如需支持 Vue/ElementUI 等框架,可参考 `patches/antd.ts`/`react.ts` 扩展补丁; 3. 动效定制:基于 `motion-css` 可修改颜色、动画时长、混合模式(`mix-blend-mode`)适配业务风格。 如果需要更具体的功能解析(如某模块源码解读、二次开发示例),可以补充说明具体方向。