AI Agents · 课时

构建可靠的表单填写代理

一个实用案例：登录门户网站、填写多页表单，并验证提交结果。

构建可靠的表单填写代理 是 CoddyKit 上的免费 AI Agents 课时。这是第 4 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。

本课时的部分内容尚未翻译，以英文显示。

一个真实项目

一个“填写这个多页表单”的代理。我们将结合 Playwright、LLM 规划、重试和视觉备用方案。

架构

LLM 从 JSON 规范中读取字段要求
Playwright 打开表单
对于每个字段，查找选择器和值，fill，然后进行验证
如果难以通过 DOM 定位字段，则使用视觉能力作为备用方案
提交表单并验证是否成功

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}')

Step 4：LLM 辅助定位器

如果标准选择器失败，请让 LLM 识别字段：

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()

Step 5：视觉备用方案

如果连 LLM 也找不到选择器，请截图并使用视觉能力：

if not filled:
    screenshot = page.screenshot()
    coordinate = vision_llm_locate(screenshot, field_name)
    page.mouse.click(coordinate.x, coordinate.y)
    page.keyboard.type(value)

Step 6：验证每个步骤

填写后，读回该值：

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')

Step 8：重试逻辑

表单有时会出现故障。请通过幂等性检查进行重试：

@retry(stop=stop_after_attempt(3), wait=wait_fixed(2))
def fill_and_submit(page, task):
    ...

Step 9：验证码处理

如果表单包含 reCAPTCHA，请使用求解服务（2Captcha、Anti-Captcha），或者优雅地失败并请求人工处理。

Step 10：记录和回放

保存每个操作和截图。出现故障时，您可以回放跟踪记录来调试：

context.tracing.stop(path=f'trace-{task_id}.zip')
# View with: playwright show-trace trace-abc.zip

并发注意事项

要并行处理许多用户的表单，请为每项任务创建一个浏览器上下文。限制并发量，避免压垮目标网站。

尊重目标网站

在操作之间设置节流（人类不会以每秒 200 个字符的速度输入）
遵守 robots.txt 和服务条款
仅在获得许可时使用轮换 IP 地址
避免滥用——代理流量不等于大规模抓取

稳健性策略

对于不可预测的 HTML，填写表单最可靠的策略是什么？

回顾

Playwright + LLM 辅助选择器 + 视觉备用方案 + 逐步验证 + 重试 + 跟踪日志。这是可靠填写表单的配方。

常见问题解答

「构建可靠的表单填写代理」课时是免费的吗？

是的 — 「构建可靠的表单填写代理」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。

「构建可靠的表单填写代理」这节课中我会学到什么？

一个实用案例：登录门户网站、填写多页表单，并验证提交结果。你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Agents 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 4 节课，共 4 节。

「构建可靠的表单填写代理」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Agents 课中编写并运行代码吗？

能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Agents