page-agent

Page-Agent 浏览器 GUI 代理

阿里巴巴开源的网页内 GUI 代理，用自然语言控制浏览器界面。

核心优势

• 自然语言指令替代 CSS 选择器和 XPath
• 一行代码集成到现有项目
• 理解页面语义，不依赖 DOM 结构
• 比 Playwright 脚本更鲁棒（页面改版不会轻易失效）

安装

pip install page-agent

与 OpenClaw Bot 集成

替代当前 Playwright 社交发布

当前方式（Playwright 脚本，易碎）:

await page.click('#post-button');
await page.fill('textarea.content', text);
await page.click('button[type="submit"]');

Page-Agent 方式（自然语言，鲁棒）:

from page_agent import PageAgent

agent = PageAgent(page)
await agent.act("点击发布按钮")
await agent.act("在内容框中输入: " + text)
await agent.act("点击提交")

集成到社交发布流程

# tools/social-browser-adapter 升级
from page_agent import PageAgent

async def publish_to_x(content):
    agent = PageAgent(browser_page)
    await agent.act("点击撰写推文按钮")
    await agent.act(f"输入推文内容: {content}")
    await agent.act("点击发布按钮")
    return await agent.act("确认推文已发布成功")

async def publish_to_xhs(content, images):
    agent = PageAgent(browser_page)
    await agent.act("点击发布笔记")
    for img in images:
        await agent.act(f"上传图片: {img}")
    await agent.act(f"输入笔记内容: {content}")
    await agent.act("点击发布")

使用场景

1. 社交媒体发布 — 替代 social-browser-adapter.mjs 中的 Playwright 硬编码
2. 网页数据采集 — 替代 crawl4ai 的部分场景
3. 任意网页交互 — 严总 说"帮我在 xxx 网站上做 yyy"

触发条件

• 严总 说 "page-agent"、"自然语言控制浏览器"、"网页操作"
• 需要浏览器自动化但 Playwright 脚本太脆弱时
• 社交发布流程中 DOM 选择器失效时自动降级

与现有工具的关系

工具	适用场景	优势
Playwright (当前)	结构稳定的页面	速度快、精确
Page-Agent (新增)	页面结构不稳定	鲁棒、自然语言
crawl4ai	数据采集	专注提取

建议: Playwright 作为主路径，Page-Agent 作为降级方案和新页面的快速原型。