title: 阿里開源純前端 AI 代理「PageAgent」，一行程式碼讓網站無縫升級 AI Copilot

---

**Category**

- [AI](https://www.soft4fun.net/category/tech/ai)
- [新聞](https://www.soft4fun.net/category/tech/news)

**Tag**

- [AI Agent](https://www.soft4fun.net/tag/ai-agent)
- [AI Copilot](https://www.soft4fun.net/tag/ai-copilot)
- [Alibaba](https://www.soft4fun.net/tag/alibaba)

**圖片清單**

- ![pageagent](https://cf.img.soft4fun.net/2026/03/pageagent-scaled.jpg "pageagent")

---

隨著生成式 AI 的普及，越來越多企業希望為自家的 SaaS 產品或企業內部系統加入「AI 助手 ([AI Copilot](https://www.soft4fun.net/tag/ai-copilot))」，讓使用者能用自然語言完成複雜的操作。不過傳統的實作方式往往伴隨著龐大的開發成本與架構重構。

 

為了解決這個痛點，阿里巴巴近期在開源社群釋出了備受矚目的新專案——**PageAgent**。這是一款主打「純前端」的 JavaScript GUI 智能體框架，讓開發者只需引入一段簡單的程式碼，就能讓網站瞬間獲得 AI 自動化操作的能力。

          

> 風險揭露：PageAgent 預設使用阿里巴巴千問 3.5 語言模型，有相關疑�
> ��
> 建議進行更深�
> �的評估。

 

## 網頁自動化的痛點：傳統 GUI Agent 為什麼難以落地？

 

如果你曾經嘗試使用 Selenium、Playwright，或是近期流行的 browser-use 等工具來打造網頁 AI 代理，一定會遇到以下幾個難以克服的瓶頸：

 

1. **環境架構太重**：需要依賴 Python 環境、無頭瀏覽器 (Headless Browser) 以及複雜的伺服器部署。
2. **依賴視覺辨識 (OCR)，又�
  �又貴**：許多現有方案是讓 AI「看」網頁截圖來決定下一步。這種基於多模�
  �大模型 (Vision-LLM) 的操作不�
  延遲極高，API 呼叫成本也令人卻步。
3. **權限與狀�
  �管理的痛點**：後端運行的 Agent 無法輕易獲取使用�
  當前在瀏覽器中的登�
  �狀�
  � (Session/Cookies)，導致身分驗證變得異常複雜。

 

## PageAgent 是什麼？住在你網頁裡的純前端 AI 智能體

 

**PageAgent** 提出了全新的解法：**The GUI Agent Living in Your Webpage**。它是一個完全在使用者瀏覽器端 (Client-side) 運作的 JavaScript 框架。

 

開發者只需要透過 NPM 安裝或直接引入 CDN，配置好你偏好的 LLM API Key（支援 OpenAI、Claude、Gemini、DeepSeek、Qwen 等主流模型），網頁就會立刻生成一個互動式的 AI 面板。使用者只要輸入「幫我把昨天的差旅費用填進報帳表單並送出」，PageAgent 就會自動接手完成一連串點擊與輸入。

 

### 捨棄「看圖說故事」，用 DOM 解析換取極致效能

 

PageAgent 最大的技術亮點在於它**完全不依賴圖片辨識**。相對的，它會在瀏覽器本地端進行「高強度的 DOM 結構脫水與清洗」。

 

它會精確萃取出網頁中的可互動元素（按鈕、輸入框、連結），將其轉換為精簡的純文本，再發送給大語言模型。這不僅大幅降低了 Token 的消耗量，也讓操作的精準度遠勝於傳統的座標點擊，甚至讓不具備視覺能力的高性價比文本模型（如 Llama 3 或較小參數的開源模型）也能勝任複雜的網頁控制。

 

### 零後端整合與無縫的 Session 繼承

 

因為 PageAgent 直接運行在當前網頁中，它天然地繼承了使用者**目前的登入狀態與操作權限**。開發者不需要為 AI 建立專屬的後端 API，也不需要擔心跨域驗證問題。它完美契合現代的 SPA (單頁面應用程式) 架構，讓舊有系統不需重寫任何後端邏輯，就能享有 AI 賦能。

 

## 商業價值與應用場景：讓複雜系統變簡單

 

導入 PageAgent 對於企業的商業與體驗價值是立竿見影的：

 

### 1. 現代化企業 B2B 系統與 ERP

 

許多企業內部的 ERP 或 B2B 軟體介面錯綜複雜，新進員工往往需要長時間的教育訓練。導入 PageAgent 後，系統不僅能「告訴」使用者怎麼做，更能直接「幫」使用者做，大幅降低客服與培訓成本。

 

### 2. 升級現有客服機器人

 

傳統的文字客服機器人只能給出「請點擊右上角設定 > 帳號 > 修改密碼」的文字指引。結合 PageAgent，客服機器人可以直接接管介面，在使用者授權下自動導航並完成設定。

 

### 3. 跨分頁的複雜工作流（搭配 Chrome 擴充功能）

 

除了單一網頁的操作，PageAgent 官方也提供了可選的 Chrome 擴充套件。當需要執行跨分頁比對資料、或在多個 SaaS 平台之間進行資料搬運時，擴充套件能扮演「橋樑」角色，在確保隱私與使用者授權的前提下，完成進階的跨站點自動化任務。

 

> **推薦下一步**
> PageAgent 採用 MIT 協議開源，對於想要快速驗證 AI Copilot 概念的 Web 開發�
> 與產品經理來說，PageAgent 提供了一條最輕量、最優�
> 的捷徑。現在就[前往 GitHub](https://github.com/alibaba/page-agent)看看這個潛力無限的專案吧！