阿里开源 PageAgent：让 AI Agent 直接“住进”网页应用的 GUI 智能体

本文介绍了阿里巴巴开源的新项目 PageAgent。与传统使用 Selenium 或 Playwright 等工具从浏览器外部进行自动化控制不同，PageAgent 创新性地将自己直接嵌入到 Web 应用程序内部运行。作为一个“生活在网页里”的 GUI 智能体，它能像拥有特权的超级用户一样，直接访问 DOM 结构和应用内部状态，从而更精准地理解页面上下文，执行复杂操作。这种“内生式”的 Agent 架构有效解决了传统 Web 自动化中常见的元素定位失败和状态感知滞后问题，为构建下一代更加稳定、智能的 AI 交互界面提供了新范式。