page-agent管理后台AI化改造案例给表单密集型系统装上自然语言引擎【免费下载链接】page-agentJavaScript in-page GUI agent. Control web interfaces with natural language.项目地址: https://gitcode.com/GitHub_Trending/pa/page-agent还在为 ERP、CRM、OA 管理后台里那些又长又重复的表单操作头疼吗page-agent 自然语言表单填写方案正是为此而生。PageAgent 是一个用纯 JavaScript 实现的网页内 GUI Agent只需一行脚本或几行代码就能让任何网页听懂人话用户说填写工单并点击提交它就能自动定位输入框、填入内容、完成操作。无需后端改造、无需浏览器插件、无需截图和多模态模型特别适合表单密集型系统快速 AI 化升级。为什么管理后台是 AI 改造的最佳试验田 管理后台、ERP、CRM 这类系统有几个共同特点页面结构稳定DOM 元素可预测文本化解析非常可靠操作高度重复新建工单、录入客户、批量审核每天重复几十次用户专业但时间宝贵他们不需要炫技只需要少点几次鼠标PageAgent 的核心思路是文本化 DOM 操作它不截图、不依赖多模态大模型而是把页面 DOM 简化成带索引的文本描述交给 LLMLLM 返回点哪个索引、填什么文字的动作计划再由页面内的控制器执行。整个流程发生在浏览器页面内源码见 PageAgentCore.ts动作工具定义在 tools/index.ts。这套架构带来了三个关键优势传统 RPA / 截图方案PageAgent 方案需要多模态模型、成本高纯文本模型即可兼容本地部署依赖 Python / 无头浏览器纯页面内 JavaScript无额外进程页面改版后脚本全失效LLM 实时理解页面容错更强从 20 次点击到一句话智能表单填写场景 ⚡项目官方文档明确把Smart Form Filling智能表单填写列为核心场景把 20 次点击变成一句话是 ERP、CRM 和管理后台的最佳拍档见 README.md。一个典型的改造前后对比改造前新建一张服务器扩容工单要在 5 个页面间跳转点开 3 个下拉框填写 8 个字段最后提交——平均耗时 3 分钟。改造后在对话框输入帮我提交一张服务器扩容工单规格选 16C64G数量 2 台备注写明下周上线Agent 自动完成全部填写人只需在面板上确认结果。支撑这些操作的内置工具都很直观input_text点击并输入文本、select_dropdown_option按选项文字选择下拉项、scroll滚动页面或指定容器、ask_user信息不足时主动反问用户等完整清单可参考 tools/index.ts。对于 React、Ant Design 等主流组件库项目还在 patches/antd.ts 中做了专门适配。三步完成集成最快上手步骤 第 1 步一行脚本体验评估用在任意页面加入一行script标签即可加载内置 Demo 版 Agent使用项目免费的测试 LLM详见 terms-and-privacy.mdscript srchttps://registry.npmmirror.com/page-agent/1.12.3/files/dist/iife/page-agent.demo.js crossoriginanonymous/script页面右下角会出现一个对话面板直接对它说点击登录按钮就能验证效果。第 2 步npm 安装并接入自己的 LLM正式使用时只需安装page-agent包import { PageAgent } from page-agent const agent new PageAgent({ model: qwen3.5-plus, baseURL: https://dashscope.aliyuncs.com/compatible-mode/v1, apiKey: YOUR_API_KEY, language: zh-CN, }) await agent.execute(在搜索框输入工单号并回车)完整入口类在 PageAgent.tsIIFE 演示入口在 demo.ts。第 3 步跨页面任务可选的 Chrome 扩展管理后台常涉及多个标签页在 A 页查数据、跳 B 页填表单。PageAgent 提供了可选的 Chrome 扩展源码位于 packages/extension/扩展通过 token 授权后向页面注入window.PAGE_AGENT_EXTAPI页面 JS 即可发起跨标签页任务接口细节见 extension_api.md。内置 UI 面板让非技术用户也能用 page-agent默认自带一个浮动对话面板源码 Panel.ts支持中英文等多语言i18n。用户不需要学习任何操作对话式执行输入自然语言面板实时展示 Agent 的思考与每一步动作可视遮罩执行期间页面出现模拟遮罩SimulatorMask.ts防止用户误操作干扰自动化随时可接管用户可以中途插话、纠正或停止任务人机协作而非无人驾驶这种人在回路的设计对管理后台尤为重要——敏感操作如删除、审批保留人工确认环节安全边界清晰。本地部署与数据安全企业级考量 管理后台往往承载敏感数据PageAgent 的设计对此很友好自备 LLMBYOK支持任何 OpenAI 兼容接口包括 Ollama 本地部署模型配置示例见 developer-guide.md。敏感数据可以不离开内网无后端依赖Agent 完全跑在页面里不上传截图、不经过第三方服务器LLM API 调用除外安全边界明确MCP、扩展等外围能力均有独立的权限设计参见 SECURITY.md 与 terms-and-privacy.md如果希望把 Agent 能力开放给外部 AI 客户端比如让企业内部的 Copilot 控制浏览器操作后台还可以启用 Beta 阶段的 MCP Serverpackages/mcp/说明文档在 mcp/README.md。适合落地哪些场景清单对照 ✅✅工单/审批系统一句话建单、批量勾选审批✅ERP / CRM 录入从对话或粘贴文本中自动提取字段填表✅内部 OA 高频操作请假、报销、库存调整等固定流程✅无障碍增强让不便使用鼠标的同事用语音完成操作⚠️不建议高频支付确认、无任何人工审核的删除类操作小结给表单密集型系统装上自然语言引擎PageAgent 证明了管理后台 AI 化不必是大工程纯 JS 页面内集成、文本化 DOM 理解、自带对话面板三步就能把20 次点击变成一句话。对于 ERP、CRM、OA 这类表单密集型系统它是目前集成成本最低的 GUI Agent 方案之一。快速开始README.md中文版 docs/README-zh.md架构与模块边界AGENTS.md本地开发与调试developer-guide.md行为测试与自动化验证agentic-testing/README.md【免费下载链接】page-agentJavaScript in-page GUI agent. Control web interfaces with natural language.项目地址: https://gitcode.com/GitHub_Trending/pa/page-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考