阿里巴巴近日在 GitHub 以 MIT 协议开源 JavaScript 客户端库 Page Agent，用于在页面内部实现浏览器自动化。该库通过“DOM 脱水”将实时 DOM 压缩为 FlatDomTree 纯文本映射，使兼容 OpenAI 接口的大语言模型可基于结构文本执行点击、表单填写等操作，减少对截图和多模态识别的依赖。Page Agent 可继承用户 Cookie 和会话信息，适用于 SaaS AI 副驾、表单自动化和无障碍交互等场景。目前其能力主要覆盖单页面交互，涉及支付、数据修改等高风险操作仍需服务端校验。
