你有没有过这种经历——
想在一个后台系统里导出一份报表，得先点开菜单，再选子菜单，再点查询条件，再选日期范围，再勾选几个字段，最后还得点一下“导出”。中间任何一个步骤漏了，或者页面卡了一下，就得重来。
二十次点击换一次导出。手酸，心更累。
或者，你是做 SaaS 产品的。用户反馈说“功能太多了，找不到入口”。你想加个智能助手，但后端开发排期排到下个季度。为了一个小助手，得改接口、重写逻辑、联调测试，想想就放弃了。
再或者，你是一个视障用户，或者你只是今天眼睛累了不想看屏幕。你想让电脑帮你读一下当前页面的大纲，或者帮你点一下某个按钮。但屏幕阅读器要么读不到，要么读出来的东西像天书。
这些场景，本质上是一个问题：人和网页之间的交互，太笨重了。
笨重到明明一句话就能说清的事，非得用手点半天。
今天想聊一个刚出的东西，叫PageAgent。
它做的事情特别简单：让 AI 替你操作网页。
不是那种“帮你想文案”的助手，是真的替你点按钮、填表单、翻页、查数据的那种。像有个隐形人在你的浏览器里帮你干活。
它到底能干嘛？
我挑几个最实在的用法说。
第一个，给你的产品加一个 AI 副驾驶。
你是做 SaaS 的，不管是 ERP、CRM 还是什么管理系统，只要在页面里嵌一行脚本，用户就能用自然语言下指令。
比如你的 HR 系统，员工想请年假，以前要进菜单、选类型、填天数、提交审批人。现在直接打一行字：“帮我申请下周三一天年假”。Agent 自己就填完了。
你不用改后端代码，不用写 API 对接，不用搞什么知识库。就是一行脚本。
第二个，让复杂表单变得像聊天一样简单。
很多管理后台的表单，字段多得吓人。十几个下拉框、日期选择器、多选框，填一遍得五分钟。
有了 PageAgent，用户只需要说一句“录入北京朝阳区那个项目的合同，金额五十万，对方是张总”。Agent 自己识别哪个字段填什么，挨个填好。
你别觉得这很科幻。它本质上是让 AI 看懂你的页面结构，然后模拟鼠标键盘操作。技术上跑得通，效果上很惊艳。
第三个，无障碍辅助。
这可能是最有人情味的一个场景。视障用户，或者老年人，或者你只是手不方便的时候，对着浏览器说“帮我把这个页面的标题读一遍”“帮我点一下那个蓝色按钮”，Agent 就做了。
它让网页真正变得“可用语音驱动”。不用等网站方做无障碍适配，用户自己就能用。
第四个，跨页面的自动化助手。
如果你愿意装一个 Chrome 扩展，它还能跨标签页工作。比如你从一个页面复制订单号，跳到另一个页面查询，再跳回来填结果。这种跨页面的流程，它也能记住上下文，帮你一气呵成。
怎么用？比你想象的简单
官方给的方式特别粗暴。
如果你是做产品集成的，在 HTML 里加一行 script：
<scriptsrc="https://cdn.jsdelivr.net/npm/page-agent@1.10.0/dist/iife/page-agent.demo.js"crossorigin="true"></script>
完事。页面加载完就会出来一个 Demo Agent 窗口，你直接跟它说话就行。
当然这个 Demo 模式用的是免费测试的 LLM，仅供你评估技术可行性。真要上生产，换成自己的 API Key。
NPM 安装也简单：
npm install page-agent
然后几行代码初始化：
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('点击登录按钮')
没了。就这些。
说点实在的
我试用了一下 Demo，说了一句“把页面里所有的输入框都清空”，它真就挨个去找 input，然后一个个清除内容。速度不快不慢，像有人在认真帮你操作。
又试了一句“找到价格大于 100 的商品那一行，点编辑”。它先定位表格，再筛选行，再找到编辑按钮点下去。中间没有多余动作。
说实话，这东西最大的价值不是“炫”，而是把用户从“记住操作路径”里解放出来。
以前你用任何系统，都得先学习——菜单在哪里、按钮叫什么、流程分几步。现在，你只需要知道你想干什么，剩下的交给 Agent。
它不懂的，会问你；它拿不准的，会确认；它做完了，会告诉你结果。
谁应该关注？
- SaaS 产品经理：给你的产品加一个 Copilot，现在成本极低。
- 企业内部系统运维：那些没人爱用的复杂后台，突然变得对新人友好。
- 前端开发者：不用写繁琐的自动化脚本了，自然语言就是脚本。
- 普通用户：如果你愿意装扩展，你的浏览器就成了你的私人助理。
项目目前还是 Beta，但已经能在真实场景里跑起来了。官方文档和示例都很全，感兴趣的可以去 GitHub 搜 PageAgent，或者直接看它们的 CDN 示例。
技术这东西，有时候不是不够强，而是太复杂没人用。PageAgent 好就好在，它把复杂藏起来了，留给用户的只是一句话。
就冲这一点，值得一试。
10个月宝宝每天需要喝多少奶粉？
