简介
Skyvern 是一个开源的AI驱动浏览器自动化平台，利用大语言模型（LLM）和计算机视觉技术来自动化基于浏览器的工作流程。该项目由Skyvern-AI团队开发，采用AGPL-3.0开源许可证，旨在替代传统脆弱的浏览器自动化解决方案，提供更智能、更健壮的自动化能力。
核心价值：
AI驱动：结合LLM和计算机视觉，智能理解网页内容并执行操作
无需编码：通过自然语言描述任务，无需编写复杂的XPath或CSS选择器
抗布局变化：基于视觉理解而非DOM结构，适应网站布局变化
多网站适配：同一工作流可应用于多个相似网站，提高复用性
技术特色：Skyvern采用任务驱动的自主智能体设计，受到BabyAGI和AutoGPT的启发，但增加了与网站交互的能力。它使用智能体群来理解网站，规划并执行动作，能够处理从未见过的网站，并对网站布局变化具有强鲁棒性。
主要功能
1. 智能网页理解与交互
Skyvern通过视觉LLM技术理解网页内容，能够识别按钮、表单、链接等交互元素，并执行点击、输入、滚动等操作。相比传统基于DOM解析的方法，Skyvern基于视觉理解，不依赖易变的XPath或CSS选择器，大大提高了自动化脚本的稳定性。
2. 复杂工作流编排
支持构建复杂的工作流，包括条件判断、循环、数据提取、文件操作等。可以串联多个任务形成完整业务流程，如登录→导航→数据提取→下载→邮件发送的全流程自动化。
3. 多模态任务执行
整合文本理解和视觉识别能力，处理包含图片、图表等非文本内容的网页。支持表单自动填写、文件上传下载、验证码处理等复杂场景。
4. 实时监控与调试
提供浏览器视口实时流传输功能，用户可以实时查看Skyvern的操作过程。内置完善的调试工具，支持任务中断、手动干预、步骤重试等调试功能。
5. 多种认证集成
支持多种身份验证方式，包括用户名密码、双因素认证（2FA）、OAuth等。集成主流密码管理器，确保凭证安全存储和使用。
6. 多LLM提供商支持
支持OpenAI、Anthropic、Azure OpenAI、AWS Bedrock、Gemini、Ollama等多种大语言模型提供商，用户可根据需求灵活选择。
安装与配置
环境要求
系统要求：
操作系统：Windows、macOS、Linux
Python 3.8及以上版本
Docker和Docker Compose（容器化部署）
现代浏览器（Chrome推荐）
硬件要求：
内存：建议8GB以上
存储空间：至少2GB可用空间
网络：稳定的互联网连接
安装步骤
方式一：pip安装（推荐）
# 安装Skyvern pip install skyvern # 快速启动（包含数据库初始化等） skyvern quickstart方式二：Docker Compose部署
# 克隆项目 git clone https://github.com/Skyvern-AI/skyvern.git cd skyvern # 生成环境配置文件 skyvern init llm # 启动服务 docker compose up -d方式三：从源码安装
# 安装uv包管理器 curl -LsSf https://astral.sh/uv/install.sh | sh # 创建虚拟环境并安装依赖 uv sync --group dev # 初始化服务 uv run skyvern quickstart配置说明
LLM提供商配置：
在.env文件中配置选择的LLM提供商API密钥：
# OpenAI配置示例 ENABLE_OPENAI=true OPENAI_API_KEY=sk-your-api-key LLM_KEY=OPENAI_GPT4O # 或使用本地Ollama ENABLE_OLLAMA=true OLLAMA_SERVER_URL=http://localhost:11434 OLLAMA_MODEL=qwen2.5:7b-instruct服务配置：
Web界面端口：默认8080
API服务端口：默认8000
数据库：PostgreSQL，默认端口5432
如何使用
基础使用
通过Python SDK使用：
安装Skyvern Python包后，可以通过几行代码启动自动化任务：
from skyvern import Skyvern # 连接到Skyvern服务 skyvern = Skyvern.local() # 运行自动化任务 task = await skyvern.run_task( prompt="登录邮箱，下载最新的发票文件", url="https://mail.example.com" ) print(f"任务完成：{task.result}")通过Web界面使用：
启动服务后访问http://localhost:8080，在Web界面中：
输入目标网址
用自然语言描述要执行的任务
点击运行，实时查看执行过程
查看执行结果和下载的文件
高级功能
工作流编排：
对于复杂业务流程，可以创建多步骤工作流：
workflow = await skyvern.create_workflow( name="月度财务对账", steps=[ {"action": "login", "target": "财务系统"}, {"action": "download", "target": "月度报表"}, {"action": "extract", "target": "关键数据"}, {"action": "email", "target": "发送给财务主管"} ] )数据提取模式：
指定数据结构，确保输出格式一致：
task = await skyvern.run_task( prompt="提取产品价格和库存信息", data_extraction_schema={ "type": "object", "properties": { "products": { "type": "array", "items": { "type": "object", "properties": { "name": {"type": "string"}, "price": {"type": "number"}, "stock": {"type": "integer"} } } } } } )文件处理：
自动处理文件下载和上传：
# 下载文件并保存到指定位置 await task.download_file("invoice.pdf", "/path/to/save/") # 上传文件到表单 await task.upload_file("/path/to/file.pdf", "请选择文件")集成部署
与现有系统集成：
Skyvern提供REST API，可以轻松集成到现有系统中：
import requests response = requests.post( "http://localhost:8000/tasks", json={ "prompt": "每日数据抓取任务", "url": "https://target-website.com" }, headers={"Authorization": "Bearer your-api-key"} )计划任务：
结合cron或Celery实现定时自动化：
# 每天上午9点执行任务 from celery.schedules import crontab app.conf.beat_schedule = { 'daily-report': { 'task': 'skyvern.tasks.run_automation', 'schedule': crontab(hour=9, minute=0), 'args': ('生成每日销售报告', 'https://crm.example.com') }, }应用场景实例
实例1：企业财务自动化对账
场景描述：某跨国公司需要每月从10个不同银行网站下载对账单，手动操作需要财务人员2-3天时间，且容易出错。
解决方案：使用Skyvern构建自动化对账工作流。系统每天自动登录各银行网站，下载最新对账单，提取关键数据并生成统一格式的报告。支持多因素认证，确保账户安全。遇到验证码时自动暂停等待人工干预。
实施效果：
对账时间从3天缩短到2小时
错误率降低95%，数据准确性显著提升
财务人员可专注于数据分析而非重复操作
支持7×24小时自动运行，节假日无休
实例2：电商价格监控与竞争分析
场景描述：某电商企业需要监控主要竞争对手的价格策略，传统方式依赖人工抽查，覆盖范围有限且不及时。
解决方案：部署Skyvern价格监控系统，自动遍历竞争对手商品页面，提取价格、库存、促销信息。发现价格异常时自动预警，支持多平台数据对比分析。基于视觉识别，适应各电商网站不同的页面布局。
实施效果：
监控商品数量从100个扩展到10,000个
价格更新频率从每日提升到实时
发现竞争对手调价后5分钟内发出预警
数据准确性达到99.8%，支持精准决策
实例3：政府服务在线申报
场景描述：企业需要定期向多个政府网站提交申报材料，流程复杂且各网站界面不统一，人工操作容易出错。
解决方案：使用Skyvern实现政府申报自动化。系统智能识别各政府网站的表单结构，自动填写企业信息，上传所需文件。支持复杂的业务流程，如多步骤验证、文件格式转换、提交状态跟踪等。
实施效果：
申报效率提升10倍，减少人工操作时间
错误率降低90%，避免因填写错误导致的退件
支持批量申报，一次处理多个申请
申报状态实时跟踪，及时发现问题
实例4：人力资源招聘流程自动化
场景描述：HR部门需要在多个招聘网站发布职位、筛选简历、安排面试，流程繁琐且耗时。
解决方案：利用Skyvern自动化招聘流程。自动登录各招聘平台，发布职位信息，定期检查新简历，初步筛选合格候选人。集成日历系统，自动发送面试邀请和后续跟进邮件。
实施效果：
招聘流程时间缩短60%
简历筛选效率提升5倍
确保各平台信息同步更新
候选人体验提升，响应更及时
实例5：学术研究数据收集
场景描述：研究机构需要从多个学术数据库收集文献资料，手动检索和下载效率低下。
解决方案：部署Skyvern学术数据收集系统。自动访问IEEE、Springer等学术数据库，根据关键词搜索相关文献，下载全文并提取元数据。支持复杂的检索策略和增量更新。
实施效果：
文献收集效率提升20倍
支持大规模系统性文献回顾
自动去重和分类，减少人工整理
7×24小时不间断收集，不错过最新研究
实例6：客户服务工单处理
场景描述：客服团队需要登录多个第三方系统处理客户工单，界面不统一导致操作效率低下。
解决方案：使用Skyvern构建统一的工单处理界面。自动登录各客服系统，提取待处理工单，按照预设规则进行分类和分配。支持自动回复常见问题，复杂问题转人工处理。
实施效果：
工单处理时间减少40%
客服人员工作负担减轻
响应一致性提升，客户满意度提高
支持多语言客户服务
GitHub地址
项目地址：https://github.com/Skyvern-AI/skyvern
项目信息：
⭐ Stars：持续增长中
📄 许可证：AGPL-3.0
💻 主要语言：Python
📅 最近更新：持续维护
相关资源：
官方文档：详细的安装和使用指南
技术报告：性能评估和技术细节
社区支持：GitHub Discussions和Discord
在线演示：项目提供示例和演示视频
快速开始：
访问GitHub仓库，了解项目详情
选择适合的安装方式（pip或Docker）
配置LLM提供商API密钥
运行示例任务体验功能
根据业务需求定制工作流
注意事项：
使用前请确保遵守目标网站的使用条款
合理设置请求频率，避免对目标网站造成压力
重要任务建议先在测试环境验证
定期更新以获取最新功能和性能优化
Skyvern通过AI技术大幅降低了浏览器自动化的技术门槛，让非技术人员也能轻松构建复杂的自动化工作流，为企业数字化转型提供了强大的技术支撑。
