这个阿里的开源项目page-agent，能让你用自然语言控制网页界面，在 GitHub 已经斩获 18.7K star。

它把 AI agent 直接塞进网页里，然后你用自然语言指挥它点按钮、填表单、跳流程都行。

它不需要 headless 浏览器，不需要截图，不需要 OCR，也不需要多模态模型。

一行 script 标签，你的网站就有了一个 AI 副驾驶。