阿里巴巴將 Page Agent 開源,以緩解大型模型的程式碼重構焦慮
在瀏覽器自動化開發的漫長歷程中,開發者往往發現自己正在「重新發明輪子」。無論是透過複雜的螢幕擷取來「觀察」網頁,還是依賴低階通訊協定來強制進行互動,這些方法經常難以應對動態的網頁結構變化。 近期,阿里巴巴開源了一款名為 Page Agent 的 JavaScript 客戶端函式庫,為這項產業挑戰提供了嶄新的解決方案:它不再試圖從外部強行破解網頁,而是讓大型模型能直接「理解」網頁的內部 DOM 結構。
Page Agent 的核心技術創新在於「DOM 脫水」。傳統解決方案通常需要擷取網頁截圖並進行多模態分析以供 AI 辨識,這不僅成本高昂,還容易遺失關鍵的互動資訊。 Page Agent 採取了不同的方法,直接在網頁內部運行,並將複雜的 DOM 樹壓縮成輕量級的「FlatDomTree」純文字映射。 這個過程就像是為 AI 繪製一張高精度的互動地圖;模型無需處理複雜的視覺渲染,只需透過這份簡化的結構映射,便能精準完成按鈕點擊和表單輸入等高難度操作。

對開發者而言,Page Agent 的「嵌入式」設計帶來顯著的便利性。由於它直接在網頁環境中運行,自然會繼承所有 Cookie、會話狀態及登入憑證,省去了在後端處理複雜驗證流程的麻煩。 該專案採用高度相容的開放式設計,可與任何支援標準介面的大型語言模型無縫整合。在 SaaS 產品智慧副駕駛、自動化資料蒐集以及提升網頁應用程式無障礙性等情境中,Page Agent 提供了一種高效且具成本效益的替代方案。

當然,Page Agent 並非萬能解方。開發團隊在開源文件中明確指出,該函式庫目前更著重於單一頁面內的有效互動。 此外,在處理支付或資料篡改等高度敏感的安全操作時,開發人員仍需在伺服器端實作嚴格的邏輯驗證。為確保系統穩定性,Page Agent 在設計中採用了由提示觸發的權限控制機制,為自動化流程建立初步的安全防線。

目前,Page Agent 已於 GitHub 上以 MIT 授權條款正式開源。 隨著此工具的發布,開發者預計將徹底告別昂貴的多模態運算成本,改以更實用的工程方法,將真正具備「網頁感知」能力的智慧代理嵌入應用程式中。這也標誌著 AI 網頁自動化技術正邁入輕量化與普及化的新階段。
相關文章
Suno 在法律訴訟中為歌曲新增水印
Suno,這個允許使用者生成由人工智慧創作的音樂的平臺,近日推出了新功能,包括為平臺製作的曲目新增標籤、限制下載,並更新社羣標準以遏制未經授權的複製品。這些更新是在Suno面臨多家唱片公司和藝術家組織提起的多起訴訟之際推出的。在部落格文章中,聯合創始人兼執行長Mikey Shulman概述了核心原則,強調該平臺旨在促進原創創作,同時擴大更廣泛受眾對人工智慧音樂工具的訪問許可權。一個主要的爭議點在於,使用者將人工智慧生成的歌曲上傳到其他流媒體服務並透過操縱系統獲取收入。Suno表示,現在將採用音訊
馬斯克承認 Grok 構建過程中洩露了使用者程式碼,並承諾清除所有歷史資料
埃隆·馬斯克直接回應了圍繞 Grok Build 的隱私爭議,首先以簡單的“True”(屬實)確認了該事件的有效性。他承諾,此前上傳至 SpaceXAI 的所有使用者資料將被永久刪除,並表示“不留一個位元組”。這是人工智慧行業首次由主要科技領袖公開承認錯誤並主動刪除使用者資料。安全研究人員的“釣魚”測試揭示了資料洩露的具體證據此次爭議源於獨立人工智慧安全研究人員 @cereblab 的一份報告。SpaceXAI 推出的 AI 程式設計助手 Grok Build 在其官方網站上聲稱其“優先本地執行,程式碼
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
相關專題推薦
評論 (0)
0/500
在瀏覽器自動化開發的漫長歷程中,開發者往往發現自己正在「重新發明輪子」。無論是透過複雜的螢幕擷取來「觀察」網頁,還是依賴低階通訊協定來強制進行互動,這些方法經常難以應對動態的網頁結構變化。 近期,阿里巴巴開源了一款名為 Page Agent 的 JavaScript 客戶端函式庫,為這項產業挑戰提供了嶄新的解決方案:它不再試圖從外部強行破解網頁,而是讓大型模型能直接「理解」網頁的內部 DOM 結構。
Page Agent 的核心技術創新在於「DOM 脫水」。傳統解決方案通常需要擷取網頁截圖並進行多模態分析以供 AI 辨識,這不僅成本高昂,還容易遺失關鍵的互動資訊。 Page Agent 採取了不同的方法,直接在網頁內部運行,並將複雜的 DOM 樹壓縮成輕量級的「FlatDomTree」純文字映射。 這個過程就像是為 AI 繪製一張高精度的互動地圖;模型無需處理複雜的視覺渲染,只需透過這份簡化的結構映射,便能精準完成按鈕點擊和表單輸入等高難度操作。

對開發者而言,Page Agent 的「嵌入式」設計帶來顯著的便利性。由於它直接在網頁環境中運行,自然會繼承所有 Cookie、會話狀態及登入憑證,省去了在後端處理複雜驗證流程的麻煩。 該專案採用高度相容的開放式設計,可與任何支援標準介面的大型語言模型無縫整合。在 SaaS 產品智慧副駕駛、自動化資料蒐集以及提升網頁應用程式無障礙性等情境中,Page Agent 提供了一種高效且具成本效益的替代方案。

當然,Page Agent 並非萬能解方。開發團隊在開源文件中明確指出,該函式庫目前更著重於單一頁面內的有效互動。 此外,在處理支付或資料篡改等高度敏感的安全操作時,開發人員仍需在伺服器端實作嚴格的邏輯驗證。為確保系統穩定性,Page Agent 在設計中採用了由提示觸發的權限控制機制,為自動化流程建立初步的安全防線。

目前,Page Agent 已於 GitHub 上以 MIT 授權條款正式開源。 隨著此工具的發布,開發者預計將徹底告別昂貴的多模態運算成本,改以更實用的工程方法,將真正具備「網頁感知」能力的智慧代理嵌入應用程式中。這也標誌著 AI 網頁自動化技術正邁入輕量化與普及化的新階段。
Suno 在法律訴訟中為歌曲新增水印
Suno,這個允許使用者生成由人工智慧創作的音樂的平臺,近日推出了新功能,包括為平臺製作的曲目新增標籤、限制下載,並更新社羣標準以遏制未經授權的複製品。這些更新是在Suno面臨多家唱片公司和藝術家組織提起的多起訴訟之際推出的。在部落格文章中,聯合創始人兼執行長Mikey Shulman概述了核心原則,強調該平臺旨在促進原創創作,同時擴大更廣泛受眾對人工智慧音樂工具的訪問許可權。一個主要的爭議點在於,使用者將人工智慧生成的歌曲上傳到其他流媒體服務並透過操縱系統獲取收入。Suno表示,現在將採用音訊
馬斯克承認 Grok 構建過程中洩露了使用者程式碼,並承諾清除所有歷史資料
埃隆·馬斯克直接回應了圍繞 Grok Build 的隱私爭議,首先以簡單的“True”(屬實)確認了該事件的有效性。他承諾,此前上傳至 SpaceXAI 的所有使用者資料將被永久刪除,並表示“不留一個位元組”。這是人工智慧行業首次由主要科技領袖公開承認錯誤並主動刪除使用者資料。安全研究人員的“釣魚”測試揭示了資料洩露的具體證據此次爭議源於獨立人工智慧安全研究人員 @cereblab 的一份報告。SpaceXAI 推出的 AI 程式設計助手 Grok Build 在其官方網站上聲稱其“優先本地執行,程式碼
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑





首頁






