120 lines
5.2 KiB
Markdown
120 lines
5.2 KiB
Markdown
|
||
- **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。 |