Дом
Alibaba открыла исходный код Page Agent, чтобы облегчить процесс рефакторинга кода для крупных моделей
На долгом пути развития автоматизации браузеров разработчики часто сталкиваются с необходимостью «изобретать велосипед заново». Будь то использование сложных снимков экрана для «просмотра» веб-страниц или прибегание к низкоуровневым протоколам для принудительного взаимодействия — эти методы зачастую не справляются с динамическими изменениями структуры веб-страниц. Недавно компания Alibaba открыла исходный код клиентской библиотеки JavaScript под названием Page Agent, предложив новый подход к решению этой отраслевой проблемы: вместо агрессивного «взлома» веб-страниц извне она позволяет крупным моделям напрямую «понимать» внутреннюю структуру DOM веб-страниц.
Основной технологической инновацией Page Agent является «дегидратация DOM». Традиционные решения часто требуют создания снимков экрана веб-страниц и проведения мультимодального анализа для распознавания с помощью ИИ, что не только дорого, но и чревато потерей важной информации о взаимодействии. Page Agent использует иной подход: он работает непосредственно внутри веб-страницы и сжимает сложное дерево DOM в облегченное текстовое отображение «FlatDomTree». Этот процесс подобен построению высокоточной карты взаимодействий для ИИ; модели не нужно обрабатывать сложную визуальную визуализацию, но с помощью этого упрощённого структурного отображения она может точно выполнять сложные операции, такие как нажатия кнопок и заполнение форм.

Для разработчиков «встроенная» архитектура Page Agent обеспечивает значительное удобство. Поскольку он работает непосредственно в веб-среде, он естественным образом наследует все файлы cookie, состояния сеансов и учетные данные для входа, избавляя от необходимости обрабатывать сложные процессы проверки на серверной стороне. Проект использует высокосовместимую открытую архитектуру, что позволяет обеспечить беспроблемную интеграцию с любой крупной языковой моделью, поддерживающей стандартные интерфейсы. В таких сценариях, как интеллектуальные помощники для SaaS-продуктов, автоматизированный сбор данных и улучшение доступности веб-приложений, Page Agent представляет собой эффективную и экономичную альтернативу.

Конечно, Page Agent — не панацея. Команда разработчиков чётко указывает в документации с открытым исходным кодом, что в настоящее время библиотека в большей степени ориентирована на эффективное взаимодействие в пределах одной страницы. Кроме того, при обработке операций, требующих высокого уровня безопасности, таких как платежи или фальсификация данных, разработчикам по-прежнему необходимо реализовывать строгую логическую проверку на стороне сервера. Для обеспечения стабильности системы Page Agent использует в своей архитектуре механизм контроля разрешений, запускаемый по запросу, создавая предварительный барьер безопасности для автоматизированных процессов.

В настоящее время Page Agent официально опубликован на GitHub с открытым исходным кодом под лицензией MIT. Ожидается, что с выпуском этого инструмента разработчики смогут окончательно отказаться от дорогостоящих мультимодальных вычислений и использовать более практичные инженерные методы для внедрения в приложения по-настоящему «воспринимающих веб» интеллектуальных агентов. Это также свидетельствует о том, что технология веб-автоматизации на базе ИИ вступает в новую фазу — фазу облегчения и массового распространения.
Связанная статья
Как исправить Core Web Vitals для улучшения позиций в поисковой выдаче
Оптимизация написания комментариев в отчетных карточках с помощью ИИ-инструментовВведениеИИ-инструменты для генерации комментариев в отчетных карточкахMagic SchoolAlmanac AIChat GPTИспользование Magic School для генерации комментариев в отчетны
Slackbot становится ИИ-агентом
Slackbot, автоматизированный помощник, встроенный в корпоративную платформу обмена сообщениями Salesforce Slack, превращается в ИИ-агента. Технический директор Salesforce Паркер Харрис предполагает, что он достигнет вирусной популярности, сопоставимо
ByteDance усиливает основные стимулы для ИИ, поскольку Doubao растет на 14,6%
Недавно ByteDance провела краткий брифинг по акциям DouBao, чтобы раскрыть новые стимулирующие политики для сотрудников, участвующих в подразделении DouBao. Цена исполнения для акций DouBao была повышена с $14.85 в июне 2026 года до $17.02, что соста
Рекомендации по связанным специальным темам
Комментарии (0)
На долгом пути развития автоматизации браузеров разработчики часто сталкиваются с необходимостью «изобретать велосипед заново». Будь то использование сложных снимков экрана для «просмотра» веб-страниц или прибегание к низкоуровневым протоколам для принудительного взаимодействия — эти методы зачастую не справляются с динамическими изменениями структуры веб-страниц. Недавно компания Alibaba открыла исходный код клиентской библиотеки JavaScript под названием Page Agent, предложив новый подход к решению этой отраслевой проблемы: вместо агрессивного «взлома» веб-страниц извне она позволяет крупным моделям напрямую «понимать» внутреннюю структуру DOM веб-страниц.
Основной технологической инновацией Page Agent является «дегидратация DOM». Традиционные решения часто требуют создания снимков экрана веб-страниц и проведения мультимодального анализа для распознавания с помощью ИИ, что не только дорого, но и чревато потерей важной информации о взаимодействии. Page Agent использует иной подход: он работает непосредственно внутри веб-страницы и сжимает сложное дерево DOM в облегченное текстовое отображение «FlatDomTree». Этот процесс подобен построению высокоточной карты взаимодействий для ИИ; модели не нужно обрабатывать сложную визуальную визуализацию, но с помощью этого упрощённого структурного отображения она может точно выполнять сложные операции, такие как нажатия кнопок и заполнение форм.

Для разработчиков «встроенная» архитектура Page Agent обеспечивает значительное удобство. Поскольку он работает непосредственно в веб-среде, он естественным образом наследует все файлы cookie, состояния сеансов и учетные данные для входа, избавляя от необходимости обрабатывать сложные процессы проверки на серверной стороне. Проект использует высокосовместимую открытую архитектуру, что позволяет обеспечить беспроблемную интеграцию с любой крупной языковой моделью, поддерживающей стандартные интерфейсы. В таких сценариях, как интеллектуальные помощники для SaaS-продуктов, автоматизированный сбор данных и улучшение доступности веб-приложений, Page Agent представляет собой эффективную и экономичную альтернативу.

Конечно, Page Agent — не панацея. Команда разработчиков чётко указывает в документации с открытым исходным кодом, что в настоящее время библиотека в большей степени ориентирована на эффективное взаимодействие в пределах одной страницы. Кроме того, при обработке операций, требующих высокого уровня безопасности, таких как платежи или фальсификация данных, разработчикам по-прежнему необходимо реализовывать строгую логическую проверку на стороне сервера. Для обеспечения стабильности системы Page Agent использует в своей архитектуре механизм контроля разрешений, запускаемый по запросу, создавая предварительный барьер безопасности для автоматизированных процессов.

В настоящее время Page Agent официально опубликован на GitHub с открытым исходным кодом под лицензией MIT. Ожидается, что с выпуском этого инструмента разработчики смогут окончательно отказаться от дорогостоящих мультимодальных вычислений и использовать более практичные инженерные методы для внедрения в приложения по-настоящему «воспринимающих веб» интеллектуальных агентов. Это также свидетельствует о том, что технология веб-автоматизации на базе ИИ вступает в новую фазу — фазу облегчения и массового распространения.
Как исправить Core Web Vitals для улучшения позиций в поисковой выдаче
Оптимизация написания комментариев в отчетных карточках с помощью ИИ-инструментовВведениеИИ-инструменты для генерации комментариев в отчетных карточкахMagic SchoolAlmanac AIChat GPTИспользование Magic School для генерации комментариев в отчетны
Slackbot становится ИИ-агентом
Slackbot, автоматизированный помощник, встроенный в корпоративную платформу обмена сообщениями Salesforce Slack, превращается в ИИ-агента. Технический директор Salesforce Паркер Харрис предполагает, что он достигнет вирусной популярности, сопоставимо
ByteDance усиливает основные стимулы для ИИ, поскольку Doubao растет на 14,6%
Недавно ByteDance провела краткий брифинг по акциям DouBao, чтобы раскрыть новые стимулирующие политики для сотрудников, участвующих в подразделении DouBao. Цена исполнения для акций DouBao была повышена с $14.85 в июне 2026 года до $17.02, что соста











