开源 Python 库,用于构建能操控真实浏览器的 AI 智能体,可选接入 Browser Use Cloud 云端浏览器。
- Star
- 23,233
- Fork
- 2,202
- 未关闭 Issue
- 288
- 最近提交
- 19小时前
这是什么?
Skyvern 使用视觉大语言模型来阅读和操作网页,而不是依赖手写的 XPath 选择器或 DOM 脚本。由于不依赖固定选择器,它可以处理从未见过的网站,页面布局变化时也不容易失效。
对开发者而言,Skyvern 提供 Python 和 TypeScript SDK,在 Playwright 基础上增加了 page.act、page.extract、page.validate 等自然语言命令,标准的 Playwright 调用在选择器失败时也可以回退到 AI 定位。对非技术用户,可视化工作流构建器通过数据提取、校验、循环、文件解析、HTTP 请求和自定义代码等模块串联任务。
项目可通过 pip 或 Docker Compose 在本地运行,数据库支持 SQLite 和 Postgres,也可以使用托管的 Skyvern Cloud。它支持 OpenAI、Anthropic、Azure OpenAI、AWS Bedrock、Gemini、Ollama 以及兼容 OpenAI 接口的模型服务,并支持 Bitwarden 凭据登录、2FA 和 MCP。
核心功能
- 01基于视觉大模型的网页导航,不依赖固定的 XPath 或 CSS 选择器
- 02兼容 Playwright 的 SDK,提供 act、extract、validate、prompt 等自然语言命令
- 03无代码工作流构建器,支持循环、数据提取、文件解析和 HTTP 请求模块
- 04可实时查看浏览器视口,便于观察和人工干预
- 05通过 JSON Schema 约束输出的结构化数据提取
- 06支持 Bitwarden 和自定义凭据服务,并支持 2FA(TOTP)
适用场景
- 定期从多个不同供应商网站下载发票
- 在政府或企业网站上填写联系表单或注册表单
- 从没有 API 的页面中提取结构化数据
- 通过浏览器完成采购、报价查询等 RPA 类任务
快速上手
- 1
使用 pip 安装 Skyvern
pip install "skyvern[all]" - 2
使用 quickstart 启动本地服务和界面
skyvern quickstart - 3
在浏览器中打开 http://localhost:8080 运行任务
使用前须知
- 运行任务需要配置大语言模型服务商的 API 密钥。
- 采用 AGPL-3.0 许可证,这是一种 copyleft 许可证,将其作为网络服务提供时需要公开源代码。
- 在 Windows 上安装还需要 Rust 和 C++ 构建工具。
标签
常见问题
- skyvern 是什么?
- 基于大语言模型和计算机视觉的开源浏览器自动化工具,可在任意网站上执行工作流,并在 Playwright 上扩展 AI 能力。 Skyvern 使用视觉大语言模型来阅读和操作网页,而不是依赖手写的 XPath 选择器或 DOM 脚本。由于不依赖固定选择器,它可以处理从未见过的网站,页面布局变化时也不容易失效。
- skyvern 可以免费使用吗?用的什么许可证?
- skyvern 以 AGPL-3.0 许可证开源。用于商业产品前,请先确认许可证条款。
- skyvern 还在维护吗?
- 活跃维护中。skyvern 最近一次提交是在 2026年10月20日。
- skyvern 适合用来做什么?
- 定期从多个不同供应商网站下载发票 在政府或企业网站上填写联系表单或注册表单 从没有 API 的页面中提取结构化数据 通过浏览器完成采购、报价查询等 RPA 类任务
- skyvern 怎么安装和运行?
- 使用 pip 安装 Skyvern: pip install "skyvern[all]" 使用 quickstart 启动本地服务和界面: skyvern quickstart 在浏览器中打开 http://localhost:8080 运行任务
- 在哪里获取 skyvern?
- 源代码和安装说明在 GitHub 上:https://github.com/Skyvern-AI/skyvern
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
面向浏览器智能体的 TypeScript、Python、Go SDK,可用自然语言执行操作、观察页面与提取数据。
面向 AI 智能体与应用的开源浏览器 API,提供可通过 Puppeteer、Playwright 或 Selenium 控制的 Chrome 沙箱。
开源 Python 网页爬虫,可将任意网站转为干净、适合 LLM 使用的 Markdown,并支持结构化数据提取。
开源自主研究智能体,自动规划研究问题、收集网页与本地资料,并调用任意 LLM 生成带引用的报告。
面向智能体的记忆基础设施,将对话与执行过程转化为可持久化的结构化记忆,支持 Python 与 TypeScript。