Skyvern-AI/skyvern

Skyvern – 基于 AI 的浏览器自动化

是什么 – Skyvern 是一个开源平台，它允许您使用大型语言模型（LLM）和计算机视觉来自动化任何网站，而不是手动编写选择器。它基于 Playwright 浏览器自动化库，并添加了一个轻量级 SDK，可接受自然语言提示（例如 “点击绿色的提交按钮”），用于定位元素、提取数据、验证页面状态或运行多步骤工作流。

如何工作 – Skyvern 运行一个 代理群：

1. 感知 – 一个具备视觉能力的 LLM 查看渲染后的页面，并将视觉元素映射到操作。
2. 规划 – 代理决定为满足用户高层级提示所需的步骤。
3. 执行 – 选定的操作被发送到 Playwright，由其驱动浏览器。

由于代理依赖于视觉线索而非静态 CSS/XPath 选择器，自动化对布局更改具有容错性，甚至可以在从未见过的网站上运行。

主要功能

• AI 增强的 Playwright 命令 – 任何 Playwright 操作（click、fill、select_option、upload_file）都可以接收一个 prompt 参数，让 LLM 根据描述定位元素。
• 高级页面 API – page.act、page.extract、page.validate 和 page.prompt 直接暴露自然语言操作。
• 工作流构建器 – 无需代码的 UI 可让您将任务（浏览器操作、数据提取、循环、邮件、HTTP 调用、自定义代码等）串联成可重用的工作流。
• 实时流式传输 – 您可以实时查看浏览器视口，有助于调试和手动干预。
• 认证支持 – 内置登录助手、2FA（TOTP、邮件、短信），以及与密码管理器（Bitwarden、自定义服务）的集成。
• 模型上下文协议（MCP） – 您可以接入任何实现 MCP 的 LLM，提供对提供商的灵活性。
• 云与自托管选项 – 提供托管的 Skyvern Cloud 服务，或完全本地的堆栈（Python 包 + 可选的 Docker-Compose + Postgres）。
• 性能 – 在 WebBench 基准测试中声称达到行业领先水平（约 64% 准确率），在“WRITE”任务（如表单填写和文件下载）中获得最高分数。

快速入门

1. Python 安装 – pip install "skyvern[all]"（仅需 API 可安装 skyvern）。
2. 快速启动 – 运行 skyvern quickstart（默认使用 SQLite 数据库）或 skyvern quickstart --docker-compose 启动容器化堆栈。
3. 使用 SDK – 启动浏览器后，调用 AI 增强的方法：

   await page.click(prompt="Click the login button")
   data = await page.extract("Get product name and price")
   await page.agent.run_task("Complete checkout for John Snow")
   

4. 无代码 UI – 打开 http://localhost:8080 可以可视化地构建和运行工作流。

典型用例

• UI 变更会破坏传统脚本的内部工具机器人流程自动化（RPA）。
• 缺乏稳定 API 的网站的数据抓取/提取。
• 能够抵御 UI 重设计的自动化测试。
• 可以控制您已登录的浏览器的个人助手（通过 Chrome 远程调试或隧道连接）。

更多资源 – 完整文档在 https://www.skyvern.com/docs，WebVoyager 评估的技术报告，以及 Discord 上的社区聊天。

---

以上所有信息均直接来自仓库的 README；未推断任何额外功能。