← 所有精選

★ GitHub Trending 精選

每日一個爆紅開源專案

日榜 #32026-07-05

alibaba/page-agent

JavaScript in-page GUI agent. Control web interfaces with natural language.

★ 23.1k stars · ▲ +742 今日 · 🔶 TypeScript · 📜 MIT · 官網在 GitHub 開啟 ↗
agentaiai-agentsbrowser-automationjavascriptmcptypescriptweb
ℹ️ 今日 trending #1 是 openai/codex-plugin-cc（已於 2026-07-04 推過），故改推第 3 名。

這是什麼

Page Agent 是一個住在網頁裡的 JavaScript GUI Agent：它的目標不是開一個外部瀏覽器機器人，而是讓既有 Web 介面可以直接用自然語言被操作。README 對它的定位很清楚：The GUI Agent Living in Your Webpage，開發者把腳本或套件整合進頁面後，就能讓使用者下達像「點擊登入按鈕」這類指令，由 agent 讀取並操作頁面介面。

它的核心取向是 in-page JavaScript。README 特別強調不需要 browser extension、Python 或 headless browser；主要流程都發生在你的網頁內。另一個關鍵設計是 text-based DOM manipulation：它不依賴截圖，也不要求多模態 LLM 或額外特殊權限，而是以文字化的 DOM 資訊來理解與操作頁面。這讓它更像是一個可嵌入產品內的 AI Copilot 基礎元件，而不是傳統自動化測試或爬蟲工具。

為什麼上榜

這類專案會爆紅，反映的是大家正在尋找「把 AI agent 放進既有產品」的低摩擦方法。Page Agent 今天已有 23,087 stars，本期新增 742 stars，而且主打「幾行程式就能把 Web UI 變成自然語言可控」，非常切中 SaaS、後台系統、CRM／ERP 等複雜表單介面的痛點。

它與常見 browser automation 工具的差異，在於不把重點放在遠端控制一個瀏覽器，而是強調 client-side web enhancement。README 最後也明確說明，PageAgent 是為客戶端網頁增強而設計，不是 server-side automation。這個邊界很重要：它降低了導入門檻，也讓產品內 Copilot、智慧填表、無障礙操作等場景更直覺；但如果你要的是後端批次爬網或大規模無頭瀏覽器任務，它就不是 README 所描述的主要方向。

適合誰，可以拿來做什麼

最適合的使用者，是想在現有 Web 產品中加入 自然語言操作介面 的前端或全端團隊。README 列出的情境包括 SaaS AI Copilot、Smart Form Filling、Accessibility、Multi-page Agent 與 MCP：例如把原本需要 20 次點擊的企業後台流程，濃縮成一句自然語言指令；或讓使用者透過語音、螢幕閱讀器等方式降低操作門檻。

對開發者來說，上手門檻看起來偏前端：專案以 TypeScript 撰寫，提供 CDN 一行整合，也提供 npm 安裝與 PageAgent 類別。README 也強調 Bring your own LLMs，範例使用相容 OpenAI 介面的 DashScope endpoint；因此真正落地時，除了前端整合，也需要處理模型供應商、API key、語言設定與使用者資料邊界。

上手

README 提供兩種最直接的 Quick Start。最快是用 demo CDN 腳本做技術評估；但 README 也提醒，這個 demo CDN 使用免費 testing LLM API，僅供 technical evaluation，並附有條款。

<script src="https://cdn.jsdelivr.net/npm/page-agent@1.11.0/dist/iife/page-agent.demo.js" crossorigin="true"></script>

若要以套件方式整合，可用 npm 安裝，並在程式裡建立 PageAgent：

npm install page-agent

import { PageAgent } from 'page-agent'

const agent = new PageAgent({
    model: 'qwen3.5-plus',
    baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
    apiKey: 'YOUR_API_KEY',
    language: 'en-US',
})

await agent.execute('Click the login button')

README 重點摘要