Brower Use + Page Agent：两个项目让AI操控浏览器进入「生产级」

2026-07-05 · 科技资讯

## 本周AI开源的双子星

本周GitHub上有两个项目形成了奇妙的互补——把它们放在一起看，才能理解AI操控网页这件事已经走到了哪一步。

**Browser Use**（`browser-use/browser-use`）：让AI Agent像人一样操作浏览器——点击按钮、填写表单、滚动页面、提取数据。本周持续霸榜Python Trending。

**Page Agent**（`alibaba/page-agent`）：阿里出品，一个JavaScript实现的前端GUI Agent，能用自然语言操控任意网页界面。

> 这两个项目一个管「后端操控」，一个管「前端智能」。合在一起，就是一整套AI网页自动化的技术栈。

## Browser Use：把浏览器变成AI的手和眼

Browser Use的核心理念很简单：**让AI「看见」网页，然后「操作」网页**。

它通过三层架构实现了这个目标：

“`python
from browser_use import Agent
import asyncio

async def main():
agent = Agent(
task=”打开亚马逊，搜索’机械键盘’，把前10个结果的价格整理成表格”,
llm=”claude-sonnet-5″, # 支持任意LLM
)
result = await agent.run()
print(result)

asyncio.run(main())
“`

底层依赖Playwright驱动真实浏览器，上层用LLM理解页面结构和用户指令。和传统爬虫最大的区别在于：它不需要你写任何CSS选择器或XPath——AI自己就能理解「那个写着立即购买的橙色按钮」。

## Page Agent：阿里AI大军的新武器

Page Agent的独特之处在于它是**纯前端方案**——不需要后端服务，直接在页面中注入JavaScript AI Agent。

这意味着什么？**零部署成本。** 你不需要搭建任何服务器，不需要申请API密钥，加载一个JS脚本就能让AI操控任何网页。

阿里的GitHub仓库显示，Page Agent支持这些操作：
– 读取页面上的所有文本和按钮
– 模拟点击、输入、滚动
– 理解中文网页（这是Browser Use的弱项）
– 跨iframe操作

> 两个项目的Star数正在以每天数千的速度增长——开发者社区对这个方向的热情前所未有。

## 实际场景：这两个项目能帮你做什么

**场景1：竞品价格监控。** 用Browser Use每天早上自动打开5个电商网站，收集同类产品的价格变化，输出到飞书表格。

**场景2：批量数据录入。** 用Page Agent在有几千行表单的内部系统里自动填写数据——不需要API，不需要后台权限，只要有浏览器就行。

**场景3：自动化测试。** 让AI像真实用户一样走一遍注册→浏览→下单的完整流程，自动发现UI Bug和流程中断。

## 风险不容忽视

能力越强，责任越大。这两个项目也带来了新的风险：

– 网页自动化+AI = 新一代「高级爬虫」，网站的反爬机制可能失效
– 如果用于批量注册、刷单，法律风险极高
– AI可能误操作——比如不小心点了「删除账号」

Browser Use的README中郑重声明：请只在你有权限的网站上使用本工具。

## 选择指南：Browser Use vs Page Agent

两个项目看起来很相似，但实际定位不同：

简单来说：如果你要做定时批量任务（每天自动抓取100个商品价格），用Browser Use；如果你要在某个内部管理系统中实现智能填表，用Page Agent。两者并不互斥——很多团队同时使用。

> 浏览器是互联网的「最后一公里」。当AI学会了在这最后一公里上走路，整个互联网的运作方式将发生根本变化。

🔥 关注LC智趣厅，每周精选改变游戏规则的开源项目

👇 你想用AI自动化什么网页操作？评论区开脑洞