Hogar
Alibaba publica el código fuente de Page Agent para aliviar la preocupación que genera la refactorización del código en los modelos de gran tamaño
En el largo camino del desarrollo de la automatización de navegadores, los desarrolladores suelen encontrarse reinventando la rueda. Ya sea utilizando capturas de pantalla complejas para «ver» las páginas web o recurriendo a protocolos de bajo nivel para forzar las interacciones, estos métodos suelen tener dificultades para adaptarse a los cambios dinámicos en la estructura web. Recientemente, Alibaba ha publicado como código abierto una biblioteca de cliente de JavaScript llamada Page Agent, que ofrece un nuevo enfoque para este reto del sector: en lugar de «descifrar» agresivamente las páginas web desde el exterior, permite que los grandes modelos «comprendan» directamente la estructura DOM interna de las páginas web.
La innovación tecnológica fundamental de Page Agent es la «deshidratación del DOM». Las soluciones tradicionales suelen requerir la realización de capturas de pantalla de las páginas web y la aplicación de análisis multimodal para el reconocimiento mediante IA, lo que no solo resulta costoso, sino que también conlleva el riesgo de perder información crítica sobre las interacciones. Page Agent adopta un enfoque diferente: se ejecuta directamente dentro de la página web y comprime el complejo árbol DOM en una representación de texto plano ligera denominada «FlatDomTree». Este proceso es como trazar un mapa de interacción de alta precisión para la IA; el modelo no necesita procesar representaciones visuales complejas, sino que puede completar con precisión operaciones de alta dificultad, como clics en botones y entradas en formularios, utilizando este mapeo estructural simplificado.

Para los desarrolladores, el diseño «integrado» de Page Agent ofrece una gran comodidad. Al ejecutarse directamente en el entorno web, hereda de forma natural todas las cookies, los estados de sesión y las credenciales de inicio de sesión, lo que elimina la molestia de gestionar complejos procesos de verificación en el backend. El proyecto adopta un diseño abierto y altamente compatible, lo que permite una integración perfecta con cualquier modelo de lenguaje a gran escala que admita interfaces estándar. En escenarios como los copilotos inteligentes de productos SaaS, la recopilación automatizada de datos y la mejora de la accesibilidad de las aplicaciones web, Page Agent ofrece una alternativa eficiente y rentable.

Por supuesto, Page Agent no es una solución universal. El equipo de desarrollo indica claramente en la documentación de código abierto que, actualmente, la biblioteca se centra más en interacciones eficientes dentro de una misma página. Además, al gestionar operaciones sensibles que requieren un alto nivel de seguridad, como los pagos o la manipulación de datos, los desarrolladores siguen teniendo que implementar una validación lógica estricta en el lado del servidor. Para garantizar la estabilidad del sistema, Page Agent utiliza en su diseño un mecanismo de control de permisos activado por comandos, creando así una barrera de seguridad preliminar para los procesos automatizados.

Actualmente, Page Agent se ha publicado oficialmente como código abierto en GitHub bajo la licencia MIT. Con el lanzamiento de esta herramienta, se espera que los desarrolladores se despidan por completo de los costosos gastos de computación multimodal y utilicen métodos de ingeniería más prácticos para integrar en las aplicaciones agentes inteligentes verdaderamente «capaces de percibir la web». Esto también indica que la tecnología de automatización web basada en IA está entrando en una nueva fase de ligereza y popularización.
Artículo relacionado
Cómo corregir las Core Web Vitals para mejorar el posicionamiento SEO
Simplificar los comentarios de las tarjetas de calificación con herramientas de IAIntroducciónHerramientas de IA para generar comentarios de tarjetas de calificaciónMagic SchoolAlmanac AIChat GPTUso de Magic School para generar comentarios de t
Slackbot se convierte en un agente de IA
Slackbot, el asistente automatizado integrado en la plataforma de mensajería corporativa Slack de Salesforce, está evolucionando hacia un agente de inteligencia artificial. El CTO de Salesforce, Parker Harris, prevé que alcance un estatus viral compa
ByteDance Refuerza los Incentivos de IA Central mientras Doubao Aumenta un 14.6%
ByteDance ha convocado recientemente una sesión informativa sobre la participación accionaria de DouBao para presentar nuevas políticas de incentivos para el personal involucrado en la división de DouBao. El precio de ejercicio de las acciones de Dou
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
En el largo camino del desarrollo de la automatización de navegadores, los desarrolladores suelen encontrarse reinventando la rueda. Ya sea utilizando capturas de pantalla complejas para «ver» las páginas web o recurriendo a protocolos de bajo nivel para forzar las interacciones, estos métodos suelen tener dificultades para adaptarse a los cambios dinámicos en la estructura web. Recientemente, Alibaba ha publicado como código abierto una biblioteca de cliente de JavaScript llamada Page Agent, que ofrece un nuevo enfoque para este reto del sector: en lugar de «descifrar» agresivamente las páginas web desde el exterior, permite que los grandes modelos «comprendan» directamente la estructura DOM interna de las páginas web.
La innovación tecnológica fundamental de Page Agent es la «deshidratación del DOM». Las soluciones tradicionales suelen requerir la realización de capturas de pantalla de las páginas web y la aplicación de análisis multimodal para el reconocimiento mediante IA, lo que no solo resulta costoso, sino que también conlleva el riesgo de perder información crítica sobre las interacciones. Page Agent adopta un enfoque diferente: se ejecuta directamente dentro de la página web y comprime el complejo árbol DOM en una representación de texto plano ligera denominada «FlatDomTree». Este proceso es como trazar un mapa de interacción de alta precisión para la IA; el modelo no necesita procesar representaciones visuales complejas, sino que puede completar con precisión operaciones de alta dificultad, como clics en botones y entradas en formularios, utilizando este mapeo estructural simplificado.

Para los desarrolladores, el diseño «integrado» de Page Agent ofrece una gran comodidad. Al ejecutarse directamente en el entorno web, hereda de forma natural todas las cookies, los estados de sesión y las credenciales de inicio de sesión, lo que elimina la molestia de gestionar complejos procesos de verificación en el backend. El proyecto adopta un diseño abierto y altamente compatible, lo que permite una integración perfecta con cualquier modelo de lenguaje a gran escala que admita interfaces estándar. En escenarios como los copilotos inteligentes de productos SaaS, la recopilación automatizada de datos y la mejora de la accesibilidad de las aplicaciones web, Page Agent ofrece una alternativa eficiente y rentable.

Por supuesto, Page Agent no es una solución universal. El equipo de desarrollo indica claramente en la documentación de código abierto que, actualmente, la biblioteca se centra más en interacciones eficientes dentro de una misma página. Además, al gestionar operaciones sensibles que requieren un alto nivel de seguridad, como los pagos o la manipulación de datos, los desarrolladores siguen teniendo que implementar una validación lógica estricta en el lado del servidor. Para garantizar la estabilidad del sistema, Page Agent utiliza en su diseño un mecanismo de control de permisos activado por comandos, creando así una barrera de seguridad preliminar para los procesos automatizados.

Actualmente, Page Agent se ha publicado oficialmente como código abierto en GitHub bajo la licencia MIT. Con el lanzamiento de esta herramienta, se espera que los desarrolladores se despidan por completo de los costosos gastos de computación multimodal y utilicen métodos de ingeniería más prácticos para integrar en las aplicaciones agentes inteligentes verdaderamente «capaces de percibir la web». Esto también indica que la tecnología de automatización web basada en IA está entrando en una nueva fase de ligereza y popularización.
Cómo corregir las Core Web Vitals para mejorar el posicionamiento SEO
Simplificar los comentarios de las tarjetas de calificación con herramientas de IAIntroducciónHerramientas de IA para generar comentarios de tarjetas de calificaciónMagic SchoolAlmanac AIChat GPTUso de Magic School para generar comentarios de t
Slackbot se convierte en un agente de IA
Slackbot, el asistente automatizado integrado en la plataforma de mensajería corporativa Slack de Salesforce, está evolucionando hacia un agente de inteligencia artificial. El CTO de Salesforce, Parker Harris, prevé que alcance un estatus viral compa
ByteDance Refuerza los Incentivos de IA Central mientras Doubao Aumenta un 14.6%
ByteDance ha convocado recientemente una sesión informativa sobre la participación accionaria de DouBao para presentar nuevas políticas de incentivos para el personal involucrado en la división de DouBao. El precio de ejercicio de las acciones de Dou











