Pagehand

能动手操作当前网页的 AI。

Pagehand 开在 Chrome 侧栏里，直接在你正看着的这个网页上干活 —— 读它、填它、一步步点完它。你用大白话说，它替你做那些你懒得做的部分。

添加到 Chrome看看它能做什么

任何网页都能用 · 登录即用 · 对话只留在你的浏览器里

能做什么

大家最常让它做的四件事。

在任意网页打开侧栏，直接打字。下面每一句都可以原样粘进去用。

  • 帮我读这一页

    长文、密密麻麻的报告、懒得手抄的表格 —— 它读的是你屏幕上真实的这一页， 而不是搜出来的二手结果。

    「总结一下这份报告，把最关键的三个数字挑出来。」

  • 帮我动手做

    填表单、勾选项、走完多步流程。它在你已经打开的这个标签页里操作， 所以你登录过的地方它都够得着。

    「按上次的信息把这张表填好，提交前停下来等我确认。」

  • 把我几个标签页对着看

    打一个 @ 就能把其他已打开的标签页交给它， 它会放在一起读，而不是一页一页来。

    「@ 这三个商品页 —— 算上运费哪个最便宜？」

  • 告诉我这页为什么坏了

    给写代码的同学：控制台报错和网络请求，它替你看完再讲给你听，不用自己开 DevTools。

    「点保存没反应 —— 是哪个请求失败了，返回了什么？」

安装

从 Chrome 应用商店安装。

一键装好，Chrome 自动更新。不用留压缩包，不用记文件夹，也不用开开发者模式。

  1. 添加到 Chrome

    打开 Pagehand 商店页，点击 添加至 Chrome。

  2. 固定到工具栏

    点击工具栏的拼图图标，把 Pagehand 固定住，侧栏随时一键可达。

  3. 打开侧栏

    在任意网页点击 Pagehand 图标，或按 ⌘/Ctrl+Shift+K。登录之后就能开始提问。

更新会自动完成。想自己从源码构建？ 看 GitHub 说明。

想用「加载已解压的扩展程序」？

  1. 下载

    从 GitHub Release 最新版 下载 pagehand.zip。

  2. 解压

    解压到一个你会长期保留的文件夹。Chrome 每次启动都会读取这个文件夹，装完后不要删掉。

  3. 打开扩展程序页

    在 Chrome 地址栏输入 chrome://extensions，回车。

  4. 打开开发者模式

    在页面右上角打开 开发者模式 开关。

  5. 加载已解压的扩展程序

    点击 加载已解压的扩展程序，选中刚才解压出的文件夹 （里面应有 manifest.json）。

以后更新：下载新的 zip，覆盖原文件夹内容，再到 chrome://extensions 点一下刷新图标。

模型来源

登录即用，或自带密钥。

两种拿到模型的方式。「手」都在本地 — Agent 循环和所有 CDP 工具都跑在你的浏览器里。

  • 托管 · 默认

    登录即用

    一个邮箱，不用 API 密钥，也不用注册模型厂商账号。模型调用经由 Pagehand 自己的接口转发，账单我们出。

    • 首次打开无需任何配置
    • 对话记录依然只留在你的浏览器里
    • 配额还在做，目前为私测

  • 自带密钥 · 进阶

    用你自己的密钥

    在侧栏填入 DeepSeek、OpenAI、Anthropic 或任意 OpenAI 兼容端点，请求从你的浏览器直连该厂商。

    • 密钥保存在 chrome.storage.local
    • 完全不经过 Pagehand 的服务器
    • 厂商支持什么模型就能用什么，按其原价

托管模式目前是私测：登录可以正常完成，但在配额上线前只对少量账号放行。发邮件申请体验 → 自带密钥则对所有人可用，连账号都不用注册。

隐私

它会读这个页面，仅此而已。

你问它的时候，它才看这一个标签页，也只看这一个。读到的内容只发给回答你的那个 AI 模型，不去别的地方 —— 我们不保存页面内容，对话记录也只留在你的浏览器里。它干活的时候，Chrome 会在窗口顶部挂一条「Pagehand is debugging this browser」 的横幅：那是 Chrome 在如实告诉你扩展正在做什么，我们无权关掉它，关闭侧栏它就消失。 阅读完整隐私政策 →

技术细节

与 Puppeteer 同一套协议。

不需要 Node 旁路进程，不需要 MCP 桥接，也不是脆弱的 DOM 抓取。侧栏本身持有 Agent 循环，在 Manifest V3 下通过 chrome.debugger 直接对话 Chrome DevTools Protocol。

  • take_snapshot

    以结构化无障碍树读取页面，带稳定 uid。

  • click / fill / type

    像真人一样操作表单与界面 — 包括替换前先全选。

  • navigate / pages

    在网页间跳转并管理页面，Agent 保持上下文。

  • console / network

    无需亲自打开 DevTools，即可查看错误与请求。

  • evaluate_script

    读树不够时，运行针对性的页面脚本。

  • take_screenshot

    捕获网页画面，并保留在对话线程中。

完整的工具列表和背后的代码都在 GitHub 上。