首页
/ Stagehand项目中混合使用Playwright原生命令的技术实践

Stagehand项目中混合使用Playwright原生命令的技术实践

2025-05-20 18:34:06作者:裴锟轩Denise

在自动化测试和网页交互领域,Playwright作为一个强大的浏览器自动化工具已经被广泛采用。而Stagehand项目在此基础上增加了LLM(大型语言模型)的智能交互能力,为开发者提供了更高级的自动化能力。然而,在实际开发过程中,我们经常会遇到需要混合使用传统Playwright命令和LLM驱动交互的场景。

为什么需要混合使用两种命令

在实际的自动化测试或网页交互脚本中,存在两种典型场景:

  1. 确定性操作:当开发者明确知道页面元素的位置、属性或行为时,直接使用Playwright原生命令更为高效可靠。例如点击已知类名的按钮、填写特定ID的表单字段等。

  2. 模糊性操作:当页面元素不确定或需要语义理解时,LLM驱动的交互则显示出优势。例如在动态生成的商品列表中选择符合特定描述的商品,或理解自然语言描述的操作指令。

Stagehand中的实现方式

Stagehand项目巧妙地将Playwright的pagecontext对象暴露出来,使得开发者可以在同一个脚本中无缝切换两种交互模式:

// 使用Playwright原生命令导航到目标页面
await stagehand.page.goto("https://example.com");

// 使用LLM驱动的智能交互点击特定描述的链接
await stagehand.act({ action: "点击'所有案例记录搜索'链接" });

// 再次使用Playwright原生命令精确操作特定元素
await stagehand.page.locator("label").filter({ hasText: "搜索方式" }).click();

最佳实践建议

  1. 优先使用原生命令:对于确定性操作,优先考虑使用Playwright原生命令,这样执行更高效且结果可预测。

  2. 合理使用LLM交互:在需要语义理解或处理动态内容的场景下,再引入LLM驱动的交互,以增强脚本的灵活性。

  3. 注意上下文保持:混合使用时要注意操作之间的上下文关系,确保前一操作完成后页面状态符合下一操作的预期。

  4. 错误处理:针对不同类型的操作实施不同的错误处理策略,原生命令通常有明确的错误类型,而LLM交互可能需要更通用的容错机制。

实际应用示例

假设我们需要测试一个电商网站的购买流程,其中登录环节是确定的,而商品选择则需要一定智能:

// 使用原生命令完成登录
await stagehand.page.goto("https://shop.example.com");
await stagehand.page.locator("#login-button").click();
await stagehand.page.locator("#username").fill("testuser");
await stagehand.page.locator("#password").fill("password123");
await stagehand.page.locator("#submit-login").click();

// 使用LLM交互选择商品
await stagehand.act({
  action: "选择一款价格在100-200元之间的无线耳机"
});

// 继续使用原生命令完成结账
await stagehand.page.locator("#checkout-button").click();

这种混合使用的方式既保证了关键路径的可靠性,又在需要智能决策的环节发挥了LLM的优势,是Stagehand项目中非常实用的技术实践。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
192
2.15 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
72
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
969
572
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
547
76
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
349
1.35 K
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
205
284
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17