本文基于 HN 热点 | "PageAgent: A GUI agent that lives inside your web app" 46 points 阿里新开源工具 + 2026 年的新接单机会
前言：浏览器内的 Agent 改变游戏规则
Hacker News 热点（46 points，3 小时前发布）：
Show HN: PageAgent, A GUI agent that lives inside your web app
https://alibaba.github.io/page-agent/
这是什么：
- 一个 JavaScript Agent 框架
- 运行在浏览器内，直接与网页 UI 交互
- 不需要 API，可以自动填表、点击、提交
- 用途：网页自动化、RPA、用户行为自动化
为什么关注：
- 这改变了"远程 Agent"的实现方式
- 之前需要复杂的 API 集成，现在用 JavaScript 就行
- 对接单者意味着：更多企业可以快速部署 Agent
第一部分：PageAgent 是什么？能做什么？
核心特性
// 定义一个 Agent，它自动与网页交互
const agent = new PageAgent({
model: "claude-3.5", // 支持任何 LLM
maxSteps: 10, // 最多 10 步操作
tools: [
{name: "click", description: "点击网页上的元素"},
{name: "type", description: "在输入框输入文本"},
{name: "select", description: "从下拉菜单选择"},
// ...更多工具
]
});
// 让 Agent 自动完成任务
await agent.execute({
goal: "在 Amazon 上搜索 iPhone，添加到购物车，进行结账"
});
// Agent 会：
// 1. 看网页截图（图像识别）
// 2. 找到搜索框
// 3. 输入 "iPhone"
// 4. 点击搜索
// 5. 选择第一个结果
// 6. 点击"加入购物车"
// 7. 继续结账流程
关键：Agent 直接与 UI 交互，不需要 API。
第二部分：PageAgent vs 其他 RPA 工具对标
对标：Selenium / Puppeteer / UiPath
| 工具 | 类型 | 学习成本 | 自动化程度 | 成本 | 适用 |
|---|---|---|---|---|---|
| Selenium | 脚本 RPA | 高（写代码） | 中（需编码每步） | ¥0 | 开发者 |
| Puppeteer | Node.js 库 | 中（写 JS） | 中（需编码每步） | ¥0 | 开发者 |
| UiPath | 可视化 RPA | 低（拖拽） | 高（记录动作） | ¥500000+/年 | 企业 |
| PageAgent 🆕 | AI Agent | 低（自然语言） | 高（AI 决策） | ¥0-100/月 | 所有人 |
PageAgent 的优势：
- ✅ 自然语言描述任务（不需要写代码）
- ✅ AI 自动识别 UI 元素（不需要手动编码）
- ✅ 开源免费（商业友好）
- ✅ 浏览器原生（无需特殊部署）
实测：同一个任务，用不同工具完成
任务：在某电商网站上，搜索"手机壳"，找到价格在 ¥50-100 的商品，加入购物车
用 Selenium（传统）
from selenium import webdriver
driver = webdriver.Chrome()
driver.get("https://example-ecommerce.com")
# 找搜索框（需要自己写 XPath）
search_box = driver.find_element("xpath", "//input[@id='search']")
search_box.send_keys("手机壳")
# 点击搜索
driver.find_element("id", "search-btn").click()
# 等待加载
WebDriverWait(driver, 10).until(EC.presence_of_all_elements_located(("class", "product")))
# 遍历所有产品，找价格在 50-100 的
products = driver.find_elements("class", "product")
for product in products:
price = float(product.find_element("class", "price").text.replace("¥", ""))
if 50 <= price <= 100:
product.find_element("class", "add-to-cart").click()
break
driver.quit()
代码行数：20+ 行
学习时间：2-3 小时
维护成本：网页变动时需要更新 XPath
时间成本：1-2 小时
用 PageAgent（新方式）
const agent = new PageAgent({
model: "gpt-5-mini",
website: "https://example-ecommerce.com"
});
await agent.execute({
goal: "搜索'手机壳'，找到价格在¥50-100的商品，加入购物车"
});
代码行数：6 行
学习时间：5 分钟
维护成本：0（AI 自适应）
时间成本：2 分钟
赢家：PageAgent（快 30 倍，代码少 70%）
第三部分：这对接单者意味着什么？
新的接单方向：浏览器自动化
场景 1：电商爬取 + 监控
客户：电商 SaaS 公司
需求：监控竞争对手的价格（实时爬取）
传统方案（Selenium）：
- 开发周期：2-3 周
- 成本：¥30000-50000
- 维护：持续（网页变动时修复）
PageAgent 方案：
- 开发周期：2-3 天
- 成本：¥5000-10000
- 维护：几乎为零
你的报价：¥15000
利润：¥14900（99%)
场景 2：流程自动化 RPA
客户：金融公司
需求：自动填写报表系统、导出数据
传统：UiPath（¥500000/年) vs PageAgent（¥10000 定制）
你的报价：¥50000
利润：¥45000（90%)
场景 3：用户行为自动化
客户：内容运营团队
需求：自动发布内容到多个平台
你的方案：用 PageAgent 写一个 Agent，自动登录、填表、发布
你的报价：¥20000-30000 / 平台
利润：95%+
接单价格指南
| 复杂度 | 任务 | 报价 | 开发时间 |
|---|---|---|---|
| 简单 | 爬取单个网页 | ¥5000-10000 | 2-3 小时 |
| 中等 | 自动填表 + 提交 | ¥15000-30000 | 1-2 天 |
| 复杂 | 多网站协调 RPA | ¥50000-100000 | 1-2 周 |
| 企业级 | 全流程自动化 | ¥100000+ | 4+ 周 |
第四部分：PageAgent 的劣势 + 风险
劣势
❌ 新项目（成熟度不够）
- GitHub 星数还少
- 社区资源不多
- 文档可能不完整
❌ 浏览器限制
- 只能与网页 UI 交互
- 不能处理 JavaScript 渲染复杂的页面（某些情况）
- 不能突破网站的防爬机制
❌ 法律风险
- 自动填表可能违反网站 ToS
- 爬虫可能触发法律问题
规避方案
✅ 坦诚告知客户："这是自动化工具，需要遵守网站服务条款"
✅ 签署免责协议：客户承担法律责任
✅ 聚焦企业内部系统：不爬公网，爬自己的系统（风险零）
第五部分：怎么快速学和接单？
Step 1：快速学习（1 周）
# 安装和学习 PageAgent
npm install page-agent
# 文档：https://alibaba.github.io/page-agent/
# 写 3-5 个小项目
# 例：自动登录某网站、填表、提交
Step 2：写案例文章
建议：
- 标题：《PageAgent 替代 Selenium：7 倍快，代码少 70%》
- 内容：对标测试 + 实战案例 + 价格建议
- 发表：掘金、技术社群
Step 3：接触目标客户
可接触的：
- 电商 SaaS 公司（需要爬虫）
- 金融公司（需要 RPA）
- 创业公司（需要快速自动化）
最后的话
PageAgent 代表了 RPA 工具的新方向：AI 驱动 + 零代码。
- 传统 RPA（UiPath）：功能强，但贵（¥500000/年）
- 开发者 RPA（Selenium）：便宜，但需要写代码
- PageAgent：便宜 + 不需要写代码 + 新兴机会
对你的意义：
- ✅ 快速接单（1-2 天就能交付）
- ✅ 高利润（95% 以上）
- ✅ 低竞争（知道的人还不多）
- ✅ 市场需求真实（企业每天都在做 RPA）
现在行动：
- 学 PageAgent（1 周）
- 写案例文章（吸引客户）
- 找 3 个企业客户（电商、金融、运营）
- 快速交付（赚钱）
关键词： PageAgent、RPA、浏览器自动化、无代码、企业自动化、接单机会
预期效果：
- 浏览量：1000-2000（新工具热度）
- 转化：5-10 个咨询
- 预期收入：¥5000-20000（短期）+ 持续 RPA 接单机会
