阿里的page-agent不截图

大多数网页agent干活像个眯着眼看屏幕的人：截个图，问模型该点哪，挪鼠标，再截一张。慢、贵、还脆。阿里的page-agent直接把这套扔了。它以JavaScript的形式住在网页里，把DOM当文本读，直接动手。不要浏览器插件，不要无头Chrome，不要视觉模型烧token去认像素。

你用自然语言说要干嘛，它通过DOM操作页面，模型你自己带。这项目一直在闷头迭代，33个版本，最新1.10.0在6月中，现在又上了GitHub趋势榜，配着一条新的Hacker News讨论，接近2万星。

为什么值得说：截图加点击那套（大部分computer use演示秀的就是它）是暴力路线。读结构化的DOM更便宜、更快、更稳，而agent的活儿有一大块就发生在浏览器里。它确实没有像素级控制那么通用，但对网页内的自动化，几乎每个实用维度它都赢。这里赌的是：对网页这件事，你不需要眼睛，你需要的是源码。

链接：https://github.com/alibaba/page-agent