Page Agent 评测 2026：用自然语言控制任意网站

浏览器自动化通常意味着写选择器、守着脆弱的 XPath。Page Agent 反其道而行：你用自然语言描述想要什么，智能体就在页面上规划并执行步骤。

Page Agent 是什么？

Page Agent 是阿里巴巴开源的 JavaScript 页面内 GUI 智能体。它以 Chrome 扩展和 npm 包两种形态运行，让你用自然语言控制任意 Web 界面——点击按钮、填写表单、导航页面、抽取结构化数据。

核心特性

• 自然语言控制 Web 界面，无需维护选择器
• Chrome 扩展 + npm 包 双形态，浏览器里或代码里都能用
• 开源（MIT），由阿里巴巴背书
• 面向多步 Web 任务的规划-执行智能体
• 从页面抽取结构化数据

它有什么用？

你不再需要为流程写脚本，而是直接下指令：“登录后台，打开上个月的报表，把总额复制到这张表。“智能体会把任务拆解成步骤并执行，比从零写 Playwright 快得多。

优点与不足

优点： 自然语言控制、扩展/包双形态、有强力背书的开源项目、擅长多步任务。

不足： 对 JavaScript 重度网页效果最佳；在高度动态站点上浏览器自动化可能不稳定；项目较新，仍在演进。

价格

免费开源（MIT）。

常见问题

它和 Browser Use 一样吗？ 思路相似、实现不同——Page Agent 是阿里巴巴的页面内智能体，同时提供扩展与 npm 包。

能抽取数据吗？ 能。它可以在任务中从页面抽取结构化数据。