基于Semantic Kernel的浏览器技能问题：ChatGPT无法识别页面内容求助

一、HTML过长无法传递的解决思路 #

• 精简页面内容：使用HTML解析工具（如HtmlAgilityPack）过滤掉脚本、样式、注释及不可见元素，只保留页面核心DOM结构与可见文本；或者提取关键元素的标识（id、class、文本内容）生成极简描述，而非全量HTML。
• 生成结构化摘要：将页面转化为自然语言+关键标识的结构化描述，例如“页面顶部导航栏含‘首页’‘产品’按钮，主体区有id为‘search-box’的输入框和文本为‘提交’的按钮”，大幅压缩传递内容。
• 增量更新状态：通过DOM监听（如MutationObserver）捕获页面变化的部分，仅传递更新内容而非全量页面，减少每次交互的数据量。

二、XPath与HTML不符的优化方案 #

• 强化标识引导：在传递给模型的页面信息中，明确标注元素的唯一标识（id、name、data属性），引导模型优先基于这些标识生成XPath（如//*[@id='search-box']），避免依赖易变的层级结构。
• 增加XPath校验步骤：在执行模型返回的XPath前，先调用浏览器的DOM查询接口（如document.evaluate）验证有效性；若无效，自动触发模型基于校验结果重新生成，或使用备选查询方式（如文本内容+class组合）。
• 提供示例规范：在模型prompt中加入符合当前页面结构的XPath示例，明确生成格式，降低模型输出偏差。

代码层面优化建议 #

在BrowserSkill中新增两个核心方法：

• GetPageSummary()：负责处理HTML的过滤、结构化摘要生成，替代直接传递原始HTML的逻辑。
• ValidateXPath(string xpath)：调用浏览器API验证XPath有效性，返回校验结果用于后续逻辑判断。

内容的提问来源于stack exchange，提问作者David Bauer