Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln
Eine praxisnahe Fallstudie: Melden Sie sich in einem Portal an, füllen Sie ein mehrseitiges Formular aus und überprüfen Sie die Übermittlung.
Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Ein realistisches Projekt
Ein Agent zum „Ausfüllen dieses mehrseitigen Formulars“. Wir kombinieren Playwright, LLM-Planung, Wiederholungen und einen Vision-Fallback.
Architektur
- Das LLM liest die Feldanforderungen aus einer JSON-Spezifikation
- Playwright öffnet das Formular
- Für jedes Feld werden Selektor und Wert ermittelt, das Feld ausgefüllt und validiert
- Wenn ein Feld über das DOM schwer zu finden ist, wird auf Vision zurückgegriffen
- Das Formular absenden und den Erfolg überprüfen
Step 1: Define the Task
TASK = {
'url': 'https://example.com/apply',
'login': {'user': 'alice', 'pass': '...'},
'fields': {
'first_name': 'Alice',
'last_name': 'Smith',
'email': 'alice@example.com',
'role': 'Senior Engineer'
}
}Step 2: Login
page.goto(TASK['url'])
if page.locator('input[name="username"]').is_visible():
page.fill('input[name="username"]', TASK['login']['user'])
page.fill('input[name="password"]', TASK['login']['pass'])
page.click('button[type="submit"]')
page.wait_for_load_state('networkidle')Step 3: Field Filler
def fill_field(page, field_name, value):
for selector in [
f'input[name="{field_name}"]',
f'input[aria-label="{field_name}"]',
f'input[placeholder*="{field_name}"]',
f'label:has-text("{field_name}") + input'
]:
if page.locator(selector).count() > 0:
page.fill(selector, value)
return True
return False
# --- demo ---
class _FakeLocator:
def __init__(self, found):
self._found = found
def count(self):
return 1 if self._found else 0
class _FakePage:
"""Only the 3rd selector (placeholder) matches, to show the fallback loop."""
def locator(self, selector):
return _FakeLocator(found='placeholder*=' in selector)
def fill(self, selector, value):
print(f'Filled via selector: {selector} -> {value!r}')
page = _FakePage()
ok = fill_field(page, 'email', 'alice@example.com')
print(f'fill_field succeeded: {ok}')
Schritt 4: LLM-gestützten Locator verwenden
Wenn Standardselektoren fehlschlagen, bitten Sie das LLM, das Feld zu identifizieren:
def ask_llm_for_selector(html, field_name):
prompt = f'Find the input element for "{field_name}" in this HTML and return a CSS selector. HTML:\n{html[:5000]}'
return llm.invoke(prompt).content.strip()Schritt 5: Vision-Fallback
Wenn selbst das LLM keinen Selektor finden kann, nehmen Sie einen Screenshot auf und verwenden Sie Vision:
if not filled:
screenshot = page.screenshot()
coordinate = vision_llm_locate(screenshot, field_name)
page.mouse.click(coordinate.x, coordinate.y)
page.keyboard.type(value)Schritt 6: Jeden Schritt validieren
Lesen Sie den Wert nach dem Ausfüllen wieder aus:
actual = page.input_value(selector)
assert actual == expected_value, f'Expected {expected_value}, got {actual}'Step 7: Submit and Verify
page.click('button[type="submit"]')
page.wait_for_load_state('networkidle')
if page.locator('text=Thank you').count() == 0:
raise SubmissionFailed('Success page not detected')Schritt 8: Wiederholungslogik
Formulare funktionieren manchmal nicht zuverlässig. Wiederholen Sie den Vorgang mit Idempotenzprüfungen:
@retry(stop=stop_after_attempt(3), wait=wait_fixed(2))
def fill_and_submit(page, task):
...Schritt 9: Captcha-Behandlung
Wenn das Formular reCAPTCHA enthält, verwenden Sie einen Solver-Dienst (2Captcha, Anti-Captcha) – oder brechen Sie kontrolliert ab und bitten Sie einen Menschen um Hilfe.
Schritt 10: Protokollierung und Wiedergabe
Speichern Sie jede Aktion und jeden Screenshot. Wenn etwas fehlschlägt, können Sie die Aufzeichnung zur Fehlersuche wiedergeben:
context.tracing.stop(path=f'trace-{task_id}.zip')
# View with: playwright show-trace trace-abc.zipÜberlegungen zur Nebenläufigkeit
Um die Formulare vieler Benutzer parallel zu bearbeiten, starten Sie pro Aufgabe einen Browserkontext. Begrenzen Sie die Nebenläufigkeit, damit die Zielseite nicht überlastet wird.
Das Zielsystem respektieren
- Begrenzen Sie die Geschwindigkeit zwischen Aktionen (Menschen tippen nicht mit 200 cps)
- Halten Sie robots.txt und die ToS ein
- Verwenden Sie rotierende IPs nur, wenn dies zulässig ist
- Vermeiden Sie Missbrauch – Agentenverkehr ist kein Freibrief für massenhaftes Scraping
Robustheitsstrategie
Welche Strategie ist am zuverlässigsten, um Formulare mit unvorhersehbarem HTML auszufüllen?
Zusammenfassung
Playwright + LLM-gestützte Selektoren + Vision-Fallback + Validierung jedes Schritts + Wiederholungen + Trace-Protokolle. Das Rezept für zuverlässiges Ausfüllen von Formularen.
Lerne AI Agents mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 60
- Lektionen
- 239
Häufig gestellte Fragen
Ist die Lektion „Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln“ kostenlos?
Ja — der vollständige Text von „Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln“?
Eine praxisnahe Fallstudie: Melden Sie sich in einem Portal an, füllen Sie ein mehrseitiges Formular aus und überprüfen Sie die Übermittlung. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Agents zu starten?
Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?
Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Browser-Automatisierung mit Playwright
- Vision-Modelle zum Verstehen von Bildschirminhalten
- Muster zur Computernutzung (Anthropic Computer-Use)
- Einen zuverlässigen Agent zum Ausfüllen von Formularen entwickeln