Skyvern-AI/skyvern

Skyvern – AI 驅動的瀏覽器自動化

是什麼 – Skyvern 是一個開源平台，可使用大型語言模型（LLM）與電腦視覺來自動化任何網站，而非手動撰寫選擇器。它基於 Playwright 瀏覽器自動化庫，並新增一個輕量級 SDK，可接受自然語言提示（例如 「點擊綠色的提交按鈕」），用於定位元素、提取資料、驗證頁面狀態，或執行多步驟工作流程。

如何運作 – Skyvern 執行一個 代理群：

1. 感知 – 具備視覺能力的 LLM 會檢視已渲染的頁面，並將視覺元素對應到操作。
2. 規劃 – 代理決定為滿足使用者高階提示所需的步驟。
3. 執行 – 選定的操作會傳送到 Playwright，由其驅動瀏覽器。

由於代理依賴視覺線索而非靜態 CSS/XPath 選擇器，自動化對版面變更具有容錯性，甚至可在從未見過的網站上運作。

主要功能

• AI 增強的 Playwright 命令 – 任何 Playwright 操作（click、fill、select_option、upload_file）皆可接收 prompt 參數，讓 LLM 根據描述定位元素。
• 高階頁面 API – page.act、page.extract、page.validate 和 page.prompt 直接公開自然語言操作。
• 工作流程建構器 – 無程式碼 UI 可讓您將任務（瀏覽器操作、資料提取、迴圈、電子郵件、HTTP 呼叫、自訂程式碼等）串連成可重複使用的工作流程。
• 即時串流 – 您可即時觀看瀏覽器檢視區，有助於除錯與手動介入。
• 驗證支援 – 內建登入助手、2FA（TOTP、電子郵件、簡訊），以及與密碼管理員（Bitwarden、自訂服務）的整合。
• 模型上下文協定（MCP） – 您可插入任何實作 MCP 的 LLM，提供對供應商的彈性選擇。
• 雲端與自架選項 – 提供管理式 Skyvern Cloud 服務，或完全本地的堆疊（Python 套件 + 可選的 Docker-Compose + Postgres）。
• 效能 – 在 WebBench 基準測試中聲稱達成業界頂尖水準（約 64% 准確率），在「WRITE」任務（如表單填寫與檔案下載）中獲得最高分數。

快速上手

1. Python 安裝 – pip install "skyvern[all]"（僅需 API 可安裝 skyvern）。
2. 快速啟動 – 執行 skyvern quickstart（預設使用 SQLite 資料庫）或 skyvern quickstart --docker-compose 啟動容器化堆疊。
3. 使用 SDK – 啟動瀏覽器後，呼叫 AI 增強的方法：

   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. 無程式碼 UI – 開啟 http://localhost:8080 即可視覺化地建構與執行工作流程。

常見使用情境

• UI 變更會破壞傳統腳本的內部工具機器人流程自動化（RPA）。
• 無法取得穩定 API 的網站資料抓取／提取。
• 能抵禦 UI 重設計的自動化測試。
• 可控制您已登入瀏覽器的個人助理（透過 Chrome 遠端除錯或隧道連接）。

更多資訊 – 完整文件請見 https://www.skyvern.com/docs，WebVoyager 評估的技術報告，以及 Discord 上的社群聊天。

---

以上所有資訊皆直接取自倉儲的 README；未推測任何額外功能。