drissionpage-ai

⚠️ 本项目基于 DrissionPage（作者 g1879）二次开发，在原版基础上新增了 AI 能力。版权归原作者所有，本项目遵循原版 LICENSE（仅限个人学习与非盈利用途，商用需获得 g1879 授权）。

在 DrissionPage 之上提供自然语言驱动的浏览器自动化：

• aiLocate(target) — 用自然语言描述定位元素（视觉模型 + 截图）
• aiTap(target) / aiInput(target, text) / aiTapAt(bbox) — AI 定位后直接操作，支持模型原生坐标点击
• aiQuery(prompt) / aiAsk(prompt) — 用自然语言从页面提取结构化数据
• aiAct(prompt, options={'max_turns': 20}) — ReAct 循环智能体，自主观察截图、点击、输入，完成多步任务

安装

pip install drissionpage-ai

本包是 DrissionPage 的 AI 插件，会自动安装官方 DrissionPage（>=4.1.1）作为依赖，二者可以共存。import drissionpage_ai 后，DrissionPage 的所有页面对象（ChromiumTab 等）都会获得 agent 属性和 ai* 系列方法；Chromium、ChromiumOptions 等常用类也从本包再导出，一行 import 即可开始。

AI 模型配置

支持任意 OpenAI 兼容端点（OpenAI、DashScope、ARK 等），通过环境变量配置：

export OPENAI_API_KEY="sk-..."
export OPENAI_BASE_URL="https://api.openai.com/v1"   # 可选，使用openai兼容格式的api即可，测试火山引擎agent plan，kimi，阿里token plan均可
export OPENAI_MODEL="gpt-4o"                          # 可选，默认 gpt-4o-mini，建议使用具备视觉能力的模型,测试使用seed 2.1 tubor，kimi k3，qwen3.8max均可

可选调优变量：DP_AI_TIMEOUT（默认 90）、DP_AI_TEMPERATURE（默认 0）、DP_AI_MAX_TOKENS（默认 1200）、DP_AI_DEBUG_DIR（AI 调试截图/日志输出目录；未设置时默认输出到调用脚本所在目录下的 debug_log/ 文件夹，找不到脚本文件时回退到系统临时目录）。开启 debug 后建议把 debug_log/ 加入 .gitignore，避免误提交截图和请求日志。

快速上手

from drissionpage_ai import Chromium  # 一个 import 同时拿到 DrissionPage 类并启用 ai* 方法

tab = Chromium().latest_tab
tab.get('https://example.com')

# 自然语言点击：AI 看截图定位并点击
tab.aiAct('点击"登录"按钮，在账号输入框输入 demo_user')

# 或者分步操作
tab.aiInput('账号输入框', 'demo_user')

运行 demo

demos/ 目录里附了几个真实场景 demo（B 站登录、DeepSeek 登录等）。模型配置通过 .env 文件提供：

cp .env.example .env
# 编辑 .env，填入 OPENAI_API_KEY / OPENAI_BASE_URL / OPENAI_MODEL
# （.env.example 注释里有 qwen / kimi / seed 三个平台的参考配置）
python demos/bilibili_login.py

demo 里的 prepare_*_env() 通过 demo_env.py 把 .env 加载为环境变量。.env 已被 gitignore，不会被提交；仓库里的 .env.example 是模板。

DrissionPage 本身的用法见官方文档：https://drissionpage.cn（注意：官方自 4.1 起推荐 Chromium().latest_tab 写法，ChromiumPage/WebPage 将在 5.0 移除，本插件已适配新写法）。