Lar
A Alibaba torna o Page Agent de código aberto para aliviar a ansiedade relacionada à refatoração de código em modelos de grande porte
Na longa jornada do desenvolvimento de automação de navegadores, os desenvolvedores muitas vezes se veem tendo que reinventar a roda. Seja usando capturas de tela complexas para “ver” páginas da web ou recorrendo a protocolos de baixo nível para forçar interações, esses métodos frequentemente enfrentam dificuldades diante das mudanças dinâmicas na estrutura da web. Recentemente, o Alibaba tornou de código aberto uma biblioteca cliente em JavaScript chamada Page Agent, oferecendo uma nova abordagem para esse desafio do setor: em vez de analisar agressivamente as páginas da web a partir de fora, ela permite que grandes modelos “compreendam” diretamente a estrutura DOM interna das páginas da web.
A principal inovação tecnológica do Page Agent é a “desidratação do DOM”. As soluções tradicionais geralmente exigem a captura de telas das páginas da web e a realização de análises multimodais para o reconhecimento por IA, o que não só é oneroso, mas também propenso à perda de informações críticas de interação. O Page Agent adota uma abordagem diferente, sendo executado diretamente dentro da página da web e compactando a complexa árvore DOM em um mapeamento de texto simples e leve chamado “FlatDomTree”. Esse processo é como traçar um mapa de interação de alta precisão para a IA; o modelo não precisa processar renderizações visuais complexas, mas pode realizar com precisão operações de alta dificuldade, como cliques em botões e preenchimento de formulários, usando esse mapeamento estrutural simplificado.

Para os desenvolvedores, o design “incorporado” do Page Agent oferece grande conveniência. Como ele é executado diretamente no ambiente da web, herda naturalmente todos os cookies, estados de sessão e credenciais de login, eliminando o incômodo de lidar com processos complexos de verificação no back-end. O projeto adota um design aberto altamente compatível, permitindo integração perfeita com qualquer modelo de linguagem de grande porte que suporte interfaces padrão. Em cenários como copilotos inteligentes para produtos SaaS, coleta automatizada de dados e melhoria da acessibilidade de aplicativos web, o Page Agent oferece uma alternativa eficiente e econômica.

É claro que o Page Agent não é uma solução universal. A equipe de desenvolvimento afirma claramente na documentação de código aberto que a biblioteca atualmente se concentra mais em interações eficientes dentro de uma única página. Além disso, ao lidar com operações sensíveis de alta segurança, como pagamentos ou adulteração de dados, os desenvolvedores ainda precisam implementar uma validação lógica rigorosa no lado do servidor. Para garantir a estabilidade do sistema, o Page Agent utiliza em seu design um mecanismo de controle de permissão acionado por prompt, criando uma barreira de segurança preliminar para processos automatizados.

Atualmente, o Page Agent foi oficialmente disponibilizado como código aberto no GitHub sob a licença MIT. Com o lançamento dessa ferramenta, espera-se que os desenvolvedores se despedam de vez dos altos custos da computação multimodal, utilizando métodos de engenharia mais práticos para incorporar agentes inteligentes verdadeiramente “capazes de perceber a web” em aplicativos. Isso também indica que a tecnologia de automação da web com IA está entrando em uma nova fase de leveza e popularização.
Artigo relacionado
A Coreia do Sul inicia a construção do Centro Nacional de Computação em IA, investindo 2,5 trilhões de won com meta para 2028
O outlet sul-coreano EtNews relata que a cerimônia de lançamento da pedra fundamental do Centro de Computação em IA da Coreia (KOACC) ocorreu em 3 de agosto no parque de data centers Solar City, em Sunan, Jeollanam-do. Com um investimento total de 2,
Seis Gigantes da Tecnologia Apoiam a Linux Foundation com US$ 12,5 Milhões para Enfrentar o Ruído das Vulnerabilidades de IA
Para enfrentar o fluxo de relatórios de segurança de baixa qualidade produzidos por ferramentas de automação de IA, seis grandes empresas de tecnologia — Anthropic, Amazon (AWS), GitHub, Google, Microsoft e OpenAI — contribuíram coletivamente com US$
Musk Considerou Deixar a OpenAI Para Seus Filhos Enquanto Altman Presta Testemunho
Esta manhã, o CEO da OpenAI, Sam Altman, prestou depoimento para responder à ação judicial movida pelo ex-cofundador Elon Musk, que questiona a estrutura corporativa da empresa.Quando questionado sobre a alegação de Musk de que outros fundadores “ro
Recomendações de tópicos especiais relacionados
Comentários (0)
Na longa jornada do desenvolvimento de automação de navegadores, os desenvolvedores muitas vezes se veem tendo que reinventar a roda. Seja usando capturas de tela complexas para “ver” páginas da web ou recorrendo a protocolos de baixo nível para forçar interações, esses métodos frequentemente enfrentam dificuldades diante das mudanças dinâmicas na estrutura da web. Recentemente, o Alibaba tornou de código aberto uma biblioteca cliente em JavaScript chamada Page Agent, oferecendo uma nova abordagem para esse desafio do setor: em vez de analisar agressivamente as páginas da web a partir de fora, ela permite que grandes modelos “compreendam” diretamente a estrutura DOM interna das páginas da web.
A principal inovação tecnológica do Page Agent é a “desidratação do DOM”. As soluções tradicionais geralmente exigem a captura de telas das páginas da web e a realização de análises multimodais para o reconhecimento por IA, o que não só é oneroso, mas também propenso à perda de informações críticas de interação. O Page Agent adota uma abordagem diferente, sendo executado diretamente dentro da página da web e compactando a complexa árvore DOM em um mapeamento de texto simples e leve chamado “FlatDomTree”. Esse processo é como traçar um mapa de interação de alta precisão para a IA; o modelo não precisa processar renderizações visuais complexas, mas pode realizar com precisão operações de alta dificuldade, como cliques em botões e preenchimento de formulários, usando esse mapeamento estrutural simplificado.

Para os desenvolvedores, o design “incorporado” do Page Agent oferece grande conveniência. Como ele é executado diretamente no ambiente da web, herda naturalmente todos os cookies, estados de sessão e credenciais de login, eliminando o incômodo de lidar com processos complexos de verificação no back-end. O projeto adota um design aberto altamente compatível, permitindo integração perfeita com qualquer modelo de linguagem de grande porte que suporte interfaces padrão. Em cenários como copilotos inteligentes para produtos SaaS, coleta automatizada de dados e melhoria da acessibilidade de aplicativos web, o Page Agent oferece uma alternativa eficiente e econômica.

É claro que o Page Agent não é uma solução universal. A equipe de desenvolvimento afirma claramente na documentação de código aberto que a biblioteca atualmente se concentra mais em interações eficientes dentro de uma única página. Além disso, ao lidar com operações sensíveis de alta segurança, como pagamentos ou adulteração de dados, os desenvolvedores ainda precisam implementar uma validação lógica rigorosa no lado do servidor. Para garantir a estabilidade do sistema, o Page Agent utiliza em seu design um mecanismo de controle de permissão acionado por prompt, criando uma barreira de segurança preliminar para processos automatizados.

Atualmente, o Page Agent foi oficialmente disponibilizado como código aberto no GitHub sob a licença MIT. Com o lançamento dessa ferramenta, espera-se que os desenvolvedores se despedam de vez dos altos custos da computação multimodal, utilizando métodos de engenharia mais práticos para incorporar agentes inteligentes verdadeiramente “capazes de perceber a web” em aplicativos. Isso também indica que a tecnologia de automação da web com IA está entrando em uma nova fase de leveza e popularização.
A Coreia do Sul inicia a construção do Centro Nacional de Computação em IA, investindo 2,5 trilhões de won com meta para 2028
O outlet sul-coreano EtNews relata que a cerimônia de lançamento da pedra fundamental do Centro de Computação em IA da Coreia (KOACC) ocorreu em 3 de agosto no parque de data centers Solar City, em Sunan, Jeollanam-do. Com um investimento total de 2,
Seis Gigantes da Tecnologia Apoiam a Linux Foundation com US$ 12,5 Milhões para Enfrentar o Ruído das Vulnerabilidades de IA
Para enfrentar o fluxo de relatórios de segurança de baixa qualidade produzidos por ferramentas de automação de IA, seis grandes empresas de tecnologia — Anthropic, Amazon (AWS), GitHub, Google, Microsoft e OpenAI — contribuíram coletivamente com US$
Musk Considerou Deixar a OpenAI Para Seus Filhos Enquanto Altman Presta Testemunho
Esta manhã, o CEO da OpenAI, Sam Altman, prestou depoimento para responder à ação judicial movida pelo ex-cofundador Elon Musk, que questiona a estrutura corporativa da empresa.Quando questionado sobre a alegação de Musk de que outros fundadores “ro











