Skyvern：用 AI 智能体自动化浏览器工作流（21K 星）——2026 实用指南

引言 #

你有没有用 Selenium 或 Playwright 写过浏览器脚本，结果网站一改 CSS 类名、一挪按钮，脚本立刻就崩了？在 GitHub 上拥有超过 21,803 颗星的 Skyvern-AI/skyvern 走的是另一条路：它不为每个网站硬编码选择器，而是用大语言模型加计算机视觉像人一样去理解页面，然后完成你用自然语言描述的任务。本指南将带你搭建 Skyvern 并使用它真实的 API。

skyvern 概览（来源：Skyvern-AI/skyvern 仓库，经 dibi8 分析）

什么是 Skyvern？ #

Skyvern 是一款开源工具，用 AI 智能体自动化基于浏览器的工作流。它由 Skyvern-AI 开发，让你用自然语言描述目标——“登录并下载上个月的发票”、“填好这份申请表”、“提取每个商品的名称和价格”——智能体便会想办法在真实浏览器里把它完成。

其核心思路是：Skyvern 以视觉方式推理每个页面，而不依赖脆弱的 XPath 或 CSS 选择器。由于它用具备视觉能力的大语言模型来解析实时 DOM 加上渲染后的截图，同一套工作流可以在成千上万个不同网站上持续生效，并且往往能挺过那些会让传统脚本崩溃的布局改动。

凭借强大的社区支持——GitHub 上超过 21,803 颗星——Skyvern 在寻求高韧性自动化的开发者中赢得了真正的关注。

Skyvern 的工作原理 #

Skyvern 把几个部件组合起来，将一条自然语言指令转化为可靠的浏览器操作：

1. LLM 驱动的规划：你给出描述目标的提示词，大语言模型把它拆解为达成目标所需的具体步骤。Skyvern 与模型无关，支持 OpenAI、Anthropic Claude、Google Gemini、AWS Bedrock，以及通过 Ollama 接入的本地模型等。
2. 计算机视觉识别元素：Skyvern 不依赖固定选择器，而是把渲染后的页面（DOM 加截图）交给具备视觉能力的大语言模型，识别出该点击、输入或读取哪些元素。这正是它能抗住布局变化的原因。
3. Playwright 控制浏览器：真正的点击、输入和导航由成熟的浏览器自动化框架 Playwright 执行，因此 Skyvern 天然继承了对现代 Web 应用的良好支持。

在底层，每个任务都存入本地数据库（默认 SQLite，也可用 Postgres），这让运行可复现，也便于你一步步查看智能体做了什么。

skyvern 运行实况（来源：Skyvern-AI/skyvern 仓库，经 dibi8 分析）

安装与配置 #

要把 Skyvern 作为定时生产任务运行，你需要一台常开的机器——可以在 DigitalOcean 上开一台（新账户有免费试用额度），或选 HTStack 的低延迟香港 VPS（与托管 dibi8.com 的是同一家 IDC）。

如果你熟悉 Python，安装 Skyvern 很简单。你需要 Python 3.11+ 以及至少一个 LLM API key。

使用 pip #

安装完整版本，其中包含本地 UI 和服务器：

pip install "skyvern[all]"

如果你只需要从自己的代码里调用 Skyvern 的 SDK，更轻量的安装就够了：

pip install skyvern

快速开始 #

安装完成后，搭好可用环境最快的方式是内置的 quickstart 命令。它会引导你配置 LLM 提供方，然后启动以 SQLite 为后端的本地服务器和 Web UI：

skyvern quickstart

如果你更倾向于用 Postgres 作后端，加上对应参数即可：

skyvern quickstart --postgres

你也可以分别单独启动各个部件：

skyvern run server   # 仅 API 服务器
skyvern run ui       # 仅 Web UI

配置 #

Skyvern 至少需要一个 LLM API key，它会从项目里的 .env 文件读取。以 OpenAI 为例，最简配置如下：

# .env
ENABLE_OPENAI=true
OPENAI_API_KEY=sk-your-key-here

quickstart 命令可以交互式地帮你生成这个文件。Skyvern 默认把数据存放在本地 SQLite 数据库 ~/.skyvern/ 中。

常见错误与解决 #

首次运行常见的一个问题是：服务器起来了，但每个任务都失败，因为没有启用任何 LLM 提供方。如果你看到关于模型缺失或被禁用的报错，请确认对应的 ENABLE_* 开关和 API key 在 .env 里都已存在，例如：

ENABLE_ANTHROPIC=true
ANTHROPIC_API_KEY=sk-ant-your-key-here

编辑 .env 后请重启服务器，让新的值生效。

核心用法 #

Skyvern 以「从自然语言提示词运行智能体任务」为核心。下面来看真实的 API。

示例 1：运行一个任务 #

最简单的流程是初始化一个本地 Skyvern 客户端，再用提示词调用 run_task。智能体会打开浏览器、完成目标并返回结果：

import asyncio
from skyvern import Skyvern

async def main():
    skyvern = Skyvern.local()
    task = await skyvern.run_task(
        prompt="Go to news.ycombinator.com and find the title of the top post today",
    )
    print(task)

asyncio.run(main())

示例 2：结构化数据提取 #

如果你想要干净的结构化输出而非自由文本，可以传入 data_extraction_schema。Skyvern 会返回符合你 schema 的提取字段：

import asyncio
from skyvern import Skyvern

async def main():
    skyvern = Skyvern.local()
    task = await skyvern.run_task(
        prompt="Extract the top 3 posts on Hacker News",
        data_extraction_schema={
            "type": "object",
            "properties": {
                "posts": {
                    "type": "array",
                    "items": {
                        "type": "object",
                        "properties": {
                            "title": {"type": "string"},
                            "points": {"type": "integer"},
                        },
                    },
                }
            },
        },
    )
    print(task)

asyncio.run(main())

示例 3：页面级命令 #

如果需要更精细的控制，你可以直接驱动浏览器，逐条下达 AI 命令——act 用于执行动作，extract 用于读取数据，validate 用于检查条件：

import asyncio
from skyvern import Skyvern

async def main():
    skyvern = Skyvern.local()
    browser = await skyvern.launch_cloud_browser()
    page = await browser.get_working_page()

    await page.act("Click the login button")
    data = await page.extract("Get the product name and price")
    await page.validate("Confirm the user is logged in")
    print(data)

asyncio.run(main())

这些示例覆盖了主要入口：用高层的 run_task 完成端到端目标、用基于 schema 的提取拿到干净数据，以及在需要逐步操控时使用页面级命令。

• Image:

  

• Stars: 21,803
• License: AGPL-3.0
• Maintainer: Skyvern-AI
• Homepage: https://www.skyvern.com
• Language: Python

集成 #

Skyvern 能不费多少周折地融入现有的 Python 代码库，因为它的 SDK 就是一个你可以在任何地方调用的异步客户端。

从 Web 服务调用 Skyvern #

由于 run_task 是异步的，它能很自然地嵌入异步 Web 框架。下面把它接进一个 FastAPI 端点，按需触发任务：

from fastapi import FastAPI
from skyvern import Skyvern

app = FastAPI()
skyvern = Skyvern.local()

@app.get("/automate")
async def automate():
    task = await skyvern.run_task(
        prompt="Go to example.com and click the Submit button",
    )
    return {"result": task}

通过环境变量配置 #

在生产环境里，把凭证和提供方选择放进环境变量、而不是写死在代码里更为清爽。Skyvern 会在启动时读取它们，所以 .env 文件是管理这些配置的天然之地：

# .env
ENABLE_OPENAI=true
OPENAI_API_KEY=your_api_key_here

from dotenv import load_dotenv
from skyvern import Skyvern

load_dotenv()

# Skyvern picks up the LLM provider settings from the environment
skyvern = Skyvern.local()

把配置放在环境里，你就能在本地、预发和生产之间迁移同一份代码而无需改动一行。

基准与实战应用 #

Skyvern 面向的是那些「跨众多不同网站的可靠性比纯速度更重要」的任务。以下是它已被证明有用的几个方向：

实战用例 #

1. 大规模表单填写：在布局各不相同的网站上完成申请、入驻流程和数据录入表单——视觉化的方式意味着一条提示词就能应对许多变体。
2. 抓取动态内容：从重度依赖 JavaScript 的页面提取结构化数据，而选择器在这类页面上往往很脆弱。
3. 工作流自动化：把登录、导航、下载文档等多步任务串起来，Skyvern 可以将其链接成流程并按计划重复运行。

由于 Skyvern 在运行时对每个页面进行推理，它用一定的延迟和 LLM 成本换取了韧性：单步操作通常比手工调优的 Selenium 脚本更慢、更贵，但在网站发生变化时却远不容易崩。

系统架构图 #

项目的系统架构图展示了一条提示词如何流经 LLM 规划与基于视觉的元素识别，最终化为 Playwright 的浏览器操作：

小结 #

对于看重韧性甚于极致速度的团队，Skyvern 为自动化浏览器工作流提供了一套能干的方案。它的自然语言接口和基于视觉的元素处理，使它非常适合那些必须在众多网站上都跑得通的自动化场景。

与替代方案的对比 #

另请参阅我们的相关开源工具专题。

挑选浏览器自动化工具时，从社区规模、技术路线、易用性和维护情况几方面比较会很有帮助。下面把 Skyvern 与两款广泛使用的替代方案——Selenium WebDriver 和 Playwright——做个对比。请注意，Skyvern 是构建在 Playwright 这类框架之上的更高层 AI 智能体——它们解决的问题有重叠，但并不完全相同。

详细对比 #

• 技术路线：这是核心差异。Selenium 和 Playwright 执行你手写的选择器，因此快速、确定，但页面一变就崩。Skyvern 把目标描述给 LLM、由视觉来挑选元素，用速度和成本换取韧性。

• 易用性：对于你不想维护选择器的任务，Skyvern 降低了门槛——你只需写一条提示词。Selenium 和 Playwright 给你精确控制，但要求你了解页面结构。

• 何时选哪个：当你掌控目标网站、需要快速可重复的运行时，选 Playwright 或 Selenium。当你需要在众多你无法掌控的网站间自动化、或布局变动频繁到维护选择器才是真正成本时，选 Skyvern。

局限与诚实评估 #

Skyvern 在高韧性浏览器自动化上是把好工具，但也有实实在在的取舍值得了解：

1. LLM 成本与延迟：每个动作至少涉及一次 LLM 调用，因此 Skyvern 单步比手写脚本更慢、更贵。对于在稳定网站上量大且定义明确的任务，传统的 Playwright 脚本在经济性上可能更划算。

2. AGPL-3.0 许可证：AGPL-3.0 要求：若你分发软件或将其作为网络服务提供，对软件的修改必须以同一许可证发布。对于偏好宽松或专有许可的组织，这可能是个实质性约束。（Skyvern 也为不想自托管的团队提供了托管云版本。）

3. 非确定性：由于每一步都由 LLM 决定，同一条提示词偶尔会在不同次运行中表现不同。对要求严格、可重复行为的任务，可能需要额外的校验或护栏。

4. 依赖模型质量：结果好坏取决于底层模型。更便宜或本地的模型在复杂页面上可能吃力，而顶级模型又会推高单任务成本。

5. 提示词的学习曲线：尽管你用自然语言描述目标，但要在棘手页面上拿到可靠结果，仍需要一些练习，学会写清晰、具体的提示词和提取 schema。

这些局限意味着：Skyvern 在高韧性、跨网站的自动化上表现出色，但对于在单一稳定网站上量大的工作，它并不总是最合适的工具。

结语 #

Skyvern-AI/skyvern 是一款用 AI 自动化浏览器工作流的能干工具，星标已超 21,800 颗，且维护活跃。如果你的自动化必须挺过布局变化、或要在众多你无法掌控的网站上运行，它的「LLM 加视觉」路线相比基于选择器的脚本是一次实打实的升级。去 GitHub 仓库，跑一句 skyvern quickstart，用你自己的提示词试试看。

• 加入 dibi8 英文 Telegram 群，获取开源 AI 工具的第一手分享。
• 继续阅读：dibi8 上的相关指南。

来源与延伸阅读：

• GitHub 仓库：https://github.com/Skyvern-AI/skyvern
• 官方文档 / README：https://github.com/Skyvern-AI/skyvern#readme

以上部分链接为联盟链接。若你通过它注册，dibi8.com 可能获得一笔佣金，而你不会有任何额外花费。这有助于网站持续运营、内容保持免费。