告别手动刷新：使用 Playwright 和 LLMs 构建 AI 医疗预约代理 🏥🤖
Source: Dev.to
请提供您希望翻译的正文内容，我将按照要求保留源链接、格式和技术术语，仅翻译文本部分。
介绍
我们都有过这样的经历：凌晨 6:00 醒来，疯狂刷新医院挂号页面，却发现“可预约”时段在毫秒之间变成了“已满额”。传统的自动化脚本常常失效，因为现代网页界面是动态的，充斥着 Shadow DOM，并且受到反机器人措施的保护。
在本教程中，我们将构建一个下一代的 AI Agent 用于 浏览器自动化。通过结合 Playwright、LLMs（大型语言模型） 和 Redis 的强大能力，我们将创建一个不仅仅是点击按钮的代理——它能够 理解 页面布局，从而执行复杂的医疗预约工作流。如果你一直在关注 LLM 自动化 或 自主代理，本指南适合你。
架构：Agent 如何“观察”和“行动”
不同于依赖脆弱 XPath 的传统 Selenium 脚本，我们的 Agent 使用 LLM 来解释 DOM 结构并决定下一步最佳操作。
graph TD
A[User Goal: Book Cardiologist] --> B{Agent Brain - LLM}
B --> C[Playwright: Capture DOM/Screenshot]
C --> D[State Manager - Redis]
D --> B
B --> E[Action: Click/Type/Select]
E --> F{Success?}
F -- No --> B
F -- Yes --> G[Notify User via SMS/Email]前置条件
- Python 3.10+
- Playwright – 可靠端到端测试的现代标准。
- OpenAI API Key（或任何 LLM 提供商）– 充当代理的大脑。
- Redis – 用于处理会话持久化和任务队列。
第一步：设置浏览器环境
首先，让我们初始化我们的环境。我们使用 Playwright，因为它比其前身更好地处理异步操作和现代 Web 框架。
import asyncio
from playwright.async_api import async_playwright
async def get_page_content(url):
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False) # Keep it visible for debugging
context = await browser.new_context()
page = await context.new_page()
await page.goto(url)
# Extract only the interactive elements to save token costs
content = await page.evaluate("() => document.body.innerText")
await browser.close()
return content第2步：LLM “Planner” 逻辑
我们 AutoGPT‑style 代理 的核心是推理循环。我们将简化的 DOM 结构输入到 LLM，并让它生成下一个 Playwright 命令。
import openai
def generate_action(dom_structure, objective):
prompt = f"""
You are an expert web automation agent.
Objective: {objective}
Current Page Content: {dom_structure}
Return a JSON object with the 'action' (click, type, wait) and 'selector'.
"""
response = openai.ChatCompletion.create(
model="gpt-4",
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content第 3 步：使用 Redis 处理状态 🏎️
在处理高流量的注册期间时，我们需要确保如果脚本重新启动，代理不会执行冗余操作。我们使用 Redis 来缓存当前步骤和会话 Cookie。
import redis
r = redis.Redis(host='localhost', port=6379, db=0)
def save_session_state(user_id, step_data):
# Store the progress so the agent can resume if blocked
r.set(f"session:{user_id}", step_data, ex=3600)
def get_current_step(user_id):
return r.get(f"session:{user_id}")第 4 步：整体整合（循环）
代理进入循环：它观察页面，决定下一步操作，通过 Playwright 执行动作，并检查是否已达成目标。
async def run_appointment_agent(target_url, goal):
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False)
page = await browser.new_page()
await page.goto(target_url)
completed = False
while not completed:
# 1. Take a “snapshot” of the interactive UI
ui_elements = await page.query_selector_all("button, input, a")
# 2. Ask LLM for the next move
plan = generate_action(ui_elements, goal)
# 3. Execute action
if plan['action'] == 'click':
await page.click(plan['selector'])
elif plan['action'] == 'type':
await page.fill(plan['selector'], plan['text'])
# Check for success condition
if "Success" in await page.content():
completed = True
print("🚀 Appointment secured!")Going Beyond the Basics: Production Patterns
构建本地脚本很容易，但要将其扩展到处理成千上万的并发注册尝试，则需要复杂的架构模式。您需要处理代理轮换、CAPTCHA 验证以及复杂的重试逻辑。
想获取更多面向生产环境的示例以及在扩展基于 LLM 的代理时的高级模式，我强烈推荐查看 WellAlly Tech Blog。他们提供了精彩的 AI 工程深度解析，帮助我将代理的延迟优化了 40%。
挑战与伦理 🛡️
- 速率限制 – 始终使用
asyncio.sleep()来模拟人类行为。 - 反机器人措施 – 尊重网站服务条款；负责任地使用代理，并考虑法律后果。
使用 playwright-stealth 避免 Cloudflare 检测
- 伦理：确保在医疗提供者服务条款的法律范围内使用自动化。本项目用于教育目的，展示 AI Agents 如何简化复杂的 UI 交互。
结论
通过从硬编码选择器转向 LLM 驱动的推理循环，我们创建了一个能够抵御 UI 变化并能够处理复杂“仅限人类”工作流的代理。
接下来怎么办？
您可以集成视觉模型（如 GPT‑4o），实际“看到”屏幕而不是解析 DOM，从而使其更加稳健。
**您在构建浏览器代理吗？在评论区聊聊吧！ 👇