阿里巴巴 Page Agent：透過自然語言操控網頁的 JavaScript GUI Agent
Decision Brief
變化阿里巴巴推出 Page Agent，以客戶端 JavaScript 直接讀取 DOM 並執行自然語言指令，無需截圖或多模態模型。
為什麼重要完全繞過多模態與後端改寫，直接在瀏覽器內用 DOM 文字操控網頁，為前端自動化提供一種輕量新路徑。
誰該關注Agent 開發者
受影響技術棧未識別出特定技術棧
建議動作觀察
來源可信度中 · 可靠媒體或一手報導
Page Agent 是阿里巴巴開發的輕量級網頁 GUI Agent，以 JavaScript 注入頁面運行，直接將 DOM 結構轉為文字，並從自然語言指令解析出點擊與輸入操作。它不需要截圖、多模態模型或後端改寫，大幅降低了部署與整合成本。對於需要快速實現 UI 自動化的開發者，這是一個值得關注的純前端方案。
摘要依據：官方/RSS 來源如果不是「已讀全文」，這條詳摘只基於公開可取得內容，不會假裝讀過受限原文。
來源
- MarkTechPost
Fast research-paper and ML tooling summaries, useful for infra and agent updates.
- MarkTechPost