page-agent
阿里巴巴开源的网页内嵌AI智能体组件，基于DOM结构解析（非截图）实现自然语言驱动的页面操作自动化，支持60多款主流大模型，MIT协议，服务端依赖为零
时间轴 (近 90 天)
阿里开源了 page-agent，一个完全基于网页技术的图形界面智能体，直接嵌入网站页面内运行
page-agent 当前版本为 V1.12.4，采用 MIT 协议
page-agent 在开源社区已获得 2.9 万多颗星
page-agent 支持 60 多款主流大模型，一行代码接入，服务端依赖为零
page-agent 读不到图片、画布、三维图形等纯视觉内容，页面语义化程度直接决定 AI 理解准确率
page-agent 提供三种接入方式：CDN 引入、包管理器（NPM）引入、通过 Ollama 或 LM Studio 等本地运行时离线运行
page-agent 支持的国内模型包括通义千问、DeepSeek、智谱 GLM、Kimi、腾讯混元、MiniMax，海外模型包括 OpenAI GPT、Claude、Gemini、Grok
page-agent 提供四层可控性保障：操作黑白名单、数据脱敏、知识注入、人机协同确认
page-agent 支持点击、文本输入、下拉选择、页面滚动、表单提交、焦点切换及同源单层 iframe，执行 JavaScript 为可选开关且默认关闭
page-agent 不支持悬停、拖拽、右键菜单、键盘快捷键、按坐标定位、嵌套框架、跨域框架、绘图及需脚本控制的代码编辑器
还有 1 条时间轴事件
全部知识事实 (9)
page-agent 与 browser-use 定位不同：前者是页面内嵌组件、管当前页面、面向网站开发者做用户体验增强；后者是外部工具、管整个浏览器、面向爬虫和智能体开发者做后台自动化
50%待验证page-agent 支持 60 多款主流大模型，一行代码接入，服务端依赖为零
50%待验证page-agent 读不到图片、画布、三维图形等纯视觉内容，页面语义化程度直接决定 AI 理解准确率
50%待验证page-agent 提供三种接入方式：CDN 引入、包管理器（NPM）引入、通过 Ollama 或 LM Studio 等本地运行时离线运行
50%待验证page-agent 支持的国内模型包括通义千问、DeepSeek、智谱 GLM、Kimi、腾讯混元、MiniMax，海外模型包括 OpenAI GPT、Claude、Gemini、Grok
50%待验证page-agent 提供四层可控性保障：操作黑白名单、数据脱敏、知识注入、人机协同确认
50%待验证page-agent 支持点击、文本输入、下拉选择、页面滚动、表单提交、焦点切换及同源单层 iframe，执行 JavaScript 为可选开关且默认关闭
50%待验证page-agent 不支持悬停、拖拽、右键菜单、键盘快捷键、按坐标定位、嵌套框架、跨域框架、绘图及需脚本控制的代码编辑器
50%待验证阿里开源了 page-agent，一个完全基于网页技术的图形界面智能体，直接嵌入网站页面内运行
50%