5.2 KiB
- 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。
- 无需
- 📖 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,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,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。
// 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
-
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;
-
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;
-
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;
-
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
-
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); -
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; -
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。