把网页操作交给大模型自己完成（Skyvern）

Skyvern 是用 Python 写的浏览器自动化工具，靠视觉大模型理解网页，输入自然语言指令，输出点击填表等操作与提取到的数据，适合不想维护选择器脚本的人。

网页自动化的老麻烦在选择器。脚本里写死 XPath 或 DOM 路径，网站一改版整段就废，新站上线还要再写一遍适配逻辑。Skyvern 把定位这一步交给视觉 LLM：页面以截图形式送进模型，由模型判断该点哪里、填什么。仓库把它列为优势之一，能操作从未见过的网站，不需要为每个站点写定制代码。

它对外有两种形态。开发者拿到的是 Playwright 扩展 SDK，页面对象上多了 act、extract、validate、prompt 四个 AI 命令，还有一层 page.agent 负责多步任务；不写代码的人用界面里的工作流构建器，把操作步骤拼成可复用的流程。这个仓库当前有 23113 个 Star、2187 个 Fork、269 个开放 Issue，主要语言是 Python，采用 GNU Affero General Public License v3.0 许可证。

它解决的是什么问题

一个网站没有开放接口，又要反复从上面取数据或提交表单，常见做法有三种：自己写 Playwright 或 Selenium 脚本并维护选择器；用 RPA 软件录制点击回放；找网站方要接口。前两种都把操作绑死在页面结构上，页面一动就要重新调。

Skyvern 的取舍是把「在哪点、填什么」交给模型判断。README 说它受 BabyAGI、AutoGPT 这类任务驱动式 agent 设计启发，额外加的一点是让 agent 通过 Playwright 操作真实浏览器。它内部用一组 agent 分工：理解网站、规划动作、执行动作。页面上没有预设的 XPath 或选择器等着被匹配，所以对改版不敏感，同一套流程也能套到多个结构不同的站点上。

典型使用场景

• 手里有几十上百个结构相似的网站要跑同一套流程，比如逐个登录查订单状态、下载对账单，人工点一遍不现实，写脚本又要逐站适配。
• 目标网站只提供网页界面，手上没有可调用的接口，但你要的是页面里的几个字段，不是整页 HTML。
• 业务侧的运营或客服同学不会编程，却有一条每周都要重复的网页操作流程，想把它交给机器执行。
• 已经有一套 Python 或 TypeScript 系统，只想在关键几步调用 AI 完成页面判断，不想自己从头搭 agent 循环。

几个常见疑问

能用本地大模型吗？

可以。仓库根目录放了 env.litellm.example 和 env.ollama.example 两份配置样例，说明模型接入走 litellm，可以指向 Ollama 这类本地服务。Issue 区里有用户专门问 ollama 与 litellm 怎么配，那条已经被标记为已解决。

在 Windows 上安装会遇到什么麻烦？

依赖比 Linux 多。除了 Python 3.11、3.12 或 3.13，Windows 还要装 Rust，以及带 C++ 开发工具的 VS Code 和 Windows SDK。Issue 里出现过两类 Windows 问题：在 WSL 的 Docker 里创建浏览器时报出 UnknownErrorWhileCreatingBrowser 一类异常；skyvern quickstart 在 Windows 上因 Psycopg 无法使用 ProactorEventLoop 而中断。两条都已标记为已解决。

能拿它做自动化 UI 测试吗？

仓库里没有这类教程。有用户在 Issue 里提过这个想法，希望官方给出 UI 测试的用法，作者没有把它列为支持场景，该条目前仍处于待解决状态。README 描述的定位是自动化网页工作流。

主要功能

• Playwright 扩展 SDK：Python 侧用 pip install skyvern，TypeScript 侧用 npm install @skyvern/client。原有 Playwright 能力保留，AI 能力叠加在上面。
• 页面级 AI 命令：page.act(prompt) 按自然语言执行操作，例如「点击登录按钮」；page.extract(prompt, schema) 按给出的 JSON schema 抽取结构化数据；page.validate(prompt) 判断页面状态并返回 bool；page.prompt(prompt, schema) 直接向模型发提示词并可附带返回 schema。四个命令都挂在 page 对象上。
• page.agent 高层任务：run_task(prompt) 执行多步任务，login(credential_type, credential_id) 用已存的凭据登录。README 在 login 这一行被截断，本文没有拿到它的完整参数说明。
• 无代码工作流构建器：随本地服务一起提供，技术与非技术用户都能在界面里把手动流程编排成可重复执行的 workflow。
• 本地一键启动：pip 安装之后执行 skyvern quickstart，默认用 SQLite 落库，不强制依赖 Postgres 或 Docker。
• Docker Compose 部署：仓库自带 docker-compose.yml，一条 docker compose up -d 把 Postgres、API 和界面一起拉起来，访问 http://localhost:8080。
• Skyvern Cloud 托管版：官方托管服务，可以并行运行多个 Skyvern 实例，内置反机器人检测、代理网络和验证码破解。这几项能力在本地自建版本里没有。
• 凭据管理：工作流可以引用已存储的凭据，Issue 里出现过 Bitwarden 相关报错（Skyvern auth master password is not set），说明凭据后端接了 Bitwarden。

安装与最短示例

两条路径选一条。pip 路径需要 Python 3.11、3.12 或 3.13：

pip install "skyvern[all]"
skyvern quickstart

quickstart 默认使用 SQLite，库文件落在 ~/.skyvern/data.db，不需要 Postgres 和 Docker。想改用本地 Postgres 容器，直接跑 skyvern quickstart（除非加 --no-postgres，否则它会自己起一个容器）；连接已有数据库则用 --database-string。

Docker 路径适合不想在本机装 Python 和 Node 的情况：

git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
cp .env.example .env
docker compose up -d

启动前要编辑 .env，把 LLM 的 API key 填进去。起来之后打开 http://localhost:8080。Docker Compose 固定使用自带的 Postgres 服务，不走 SQLite。只想要 SDK 的话，pip install skyvern 就够，不必装服务端。

关键参数

• --database-string=postgresql+psycopg://user:pass@host:5432/dbname：连接已有 Postgres 数据库。
• --no-postgres：让 quickstart 不要额外起一个 Postgres 容器。
• .env 里的 LLM 提供方密钥：Docker 部署必须配置，quickstart --docker-compose 会在文件缺失时从 .env.example 生成。
• VITE_API_BASE_URL 与 VITE_SKYVERN_API_KEY：单独安装界面包（pip install "skyvern[ui]"）去对接已有 API 时使用，后者在 API 需要鉴权时填。
• env.litellm.example、env.ollama.example：按这两份样例改写模型接入配置。

结果在哪里看

浏览器打开 http://localhost:8080 是主入口，任务、运行记录和工作流都在界面里。本地数据库默认在 ~/.skyvern/data.db。Release 说明里提到，运行结束后会从任务自己的浏览器会话里抓取页面证据，一起写进执行记录。

实际使用中的坑

Issue 区里评论较多的几条集中在环境准备和模型接入上，多数已经修掉。

• Docker 环境不支持 Claude 模型：早期容器里的依赖组合跑不通 Claude，24 条评论后标记为已解决。
• Windows WSL Docker 里创建浏览器失败：新建任务时报 UnknownErrorWhileCreatingBrowser，17 条评论，已解决。
• Windows 上 quickstart 装不下去：Psycopg 无法使用 ProactorEventLoop，13 条评论，已解决。
• UI 自动化测试没有教程：有用户希望官方补充这个用法，12 条评论，目前仍是待解决。
• README 自己列了两个安装期 bug：pip install skyvern==1.0.31 会撞上 sqlite3.OperationalError: table organizations already exists，解法是删掉 ~/.skyvern/data.db 并升级到 1.0.32 以上；同版本的 ResolutionImpossible 依赖冲突（litellm 与 fastmcp）可以改用 uv pip install skyvern 绕过。

和同类的差别在哪

下面三个项目在浏览器自动化这条线上各有侧重，选型时看的是你要解决的那一环在哪。

Skyvern 的短板在站点对抗这一侧。自建版本里没有反爬、代理和验证码处理，面对机器人检测严格的站点，CloakBrowser 这种从浏览器内核层面做隐身的方案更对路。另外它采用 AGPL-3.0，把改造过的代码嵌进闭源产品对外提供服务之前，要先看清许可证义务。流程步骤完全固定的场景，用不着一套会在运行时推理的 agent。

合规前提

Skyvern 代替人操作浏览器，执行过程中可能涉及登录账号、批量提交表单、抓取页面内容。使用范围限于自有资产，或者已经拿到书面授权的目标站点。对第三方网站跑自动化操作，可能违反对方的服务条款，触发账号封禁或 IP 限制；批量获取数据在不同地区还牵涉数据保护法规。云版本自带验证码破解与反机器人检测能力，把这些能力用于未授权目标，风险会更直接。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.9 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。