逛 GitHub 的时候，发现一个叫skyvern 的开源项目登上了热榜。这是一个AI 控制浏览器自动化工作流的项目。现在已经在 GitHub 上斩获近 2 万的 Star 了。
01开源项目简介在传统的网页自动化 RPA 开发中，最让人头疼的莫过于页面结构变了。如果你写过 Selenium 或 Puppeteer 脚本，一定经历过因为网站开发者修改了一个 CSS 类名或调整了按钮位置，导致整套脚本报错失效的崩溃瞬间。为了维护这些脚本，开发者往往需要花费大量时间去修补 XPath 或 CSS 选择器。Skyvern 这个开源项目试图用大模型和计算机视觉彻底解决这个问题。它不再依赖死板的代码选择器，而是像人类一样看懂网页，从而进行自动化操作。
堪称Token 消耗神器
下面这张图就是开源项目Skyvern 的核心原理：拿 AI 在亚马逊（Amazon.com）上完成购物任务的详细工作流举例。整个系统分为三个主要模块：Planner（规划器）、Task（任务执行器）和Validator（验证器）。本质上就是规划-执行-验证的 AI 架构：
用户输入：去亚马逊网站买一台 iPhone 16，一个手机壳和一个屏幕保护膜。
- 左侧的Planner模块负责将上述复杂的宏观指令拆解成一步步可执行的子步骤。
- 中间的Task 模块负责具体执行 Planner 分配的某一个步骤。
- 左下角的Validator 模块是一个反馈机制，用于确认任务是否真的完成了。
Validator 的存在确保了每一步都确实完成了才进行下一步，防止 AI 在网页加载失败或操作失误时继续盲目执行。比如下面这个视频，就是用这个开源项目自动化的获取 Hacker News 上的热门帖子：你也可以自己去 skyvern 部署的网站体验一下。可以通过界面看到浏览器自动操作的实时画面，整体感觉是，很慢很慢。。。
体验地址：https://app.skyvern.com/workflows
02如何使用Skyvern 提供了Python 库和基于 Docker 的独立服务两种主要使用方式。为了体验完整功能，包括 UI 界面，推荐使用 Docker 部署。① 部署环境：你需要安装 Docker 和 Docker Desktop。② 快速启动（Docker Compose）克隆开源项目并启动服务：
# 克隆代码gitclonehttps://github.com/Skyvern-AI/skyvern.gitcdskyvern# 初始化配置文件（会生成 .env 文件）# 此时需要根据提示填入你的 LLM API Key（如 OpenAI 或 Claude 的 Key）./run_skyvern.sh init# 启动服务docker compose up -d
启动成功后，访问浏览器 `http://localhost:8080` 即可看到可视化的操作界面。③ 通过 Python 代码调用如果你希望将它集成到自己的代码中，可以安装 SDK：
pipinstall skyvern
简单的代码示例：
fromskyvernimportSkyvern# 初始化skyvern = Skyvern(api_key="你的_SKYVERN_API_KEY")# 注：如果是本地部署，需配置 base_url 指向本地服务# 下达任务task =awaitskyvern.run_task(prompt="去 Hacker News 网站找到今天热度最高的帖子，并返回标题和链接")print(task)
在运行过程中，你甚至可以通过 UI 界面看到浏览器自动操作的实时画面，非常适合调试和监控。
开源地址：https://github.com/Skyvern-AI/skyvern
03点击下方卡片，关注逛逛 GitHub
© 版权声明
文章版权归作者所有，未经允许请勿转载。
