---
created: 2026-05-01
type: concept
tags: [浏览器自动化, Agent, AI, Playwright, 网页导航, 计算机视觉, LLM]
source: "https://github.com/Skyvern-AI/skyvern"
---

# Skyvern — AI 驱动的浏览器自动化 Agent

> GitHub: <https://github.com/Skyvern-AI/skyvern>
> 官网: <https://www.skyvern.com>
> 文档: <https://www.skyvern.com/docs/>
> 评估: <https://eval.skyvern.com>
> Cloud: <https://app.skyvern.com>
> 归档时间：2026-05-01

---

## 📌 一句话定位

> **用 LLM + 计算机视觉替代 XPath/CSS 选择器，实现"说人话就能操控浏览器"的自动化方案。**

---

## 🏗️ 核心架构

### 设计理念

Skyvern 基于 Task-Driven 自主 Agent 设计（受 BabyAGI、AutoGPT 启发），核心创新：给 Agent 接上了 Playwright 浏览器控制能力。

### 三大 Agent 协作（Skyvern 2.0）

```
Planner（规划器）
  ↓ 分解复杂目标为子任务
Actor/Task Runner（执行器）
  ↓ 在网页上执行操作
Validator（验证器）
  ↓ 确认目标是否达成 → 反馈给 Planner
```

### 演进历程

| 版本 | 架构 | WebVoyager 得分 | 问题 |
|------|------|----------------|------|
| **1.0** | 单 Agent（决策+执行合一） | ~45% | 简单任务 OK，复杂多目标容易混乱 |
| **2.0** | Planner → Actor → Validator | **85.85%** | SOTA 级别，接近 Google Mariner |

---

## 🔑 核心优势

### vs 传统浏览器自动化

| 维度 | 传统方案（Selenium/Playwright） | Skyvern |
|------|-------------------------------|---------|
| 元素定位 | XPath/CSS 选择器 | **视觉 LLM 识别** |
| 网页变化 | 布局一变就挂 | **自适应，抗变化** |
| 跨站复用 | 每站写一套脚本 | **一套流程适用多站** |
| 维护成本 | 高（持续更新选择器） | 低（无需硬编码） |

### 关键能力

1. **从未见过的网站也能操作** — 视觉识别，不依赖预定义选择器
2. **抵抗网页布局变化** — 没有 XPath，不怕改版
3. **单流程适配多网站** — 推理出交互方式，无需定制代码

---

## 💻 技术栈与使用

### 安装

```bash
# Python SDK
pip install skyvern

# TypeScript SDK
npm install @skyvern/client

# 快速启动（本地）
skyvern quickstart
# 或 Docker
git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
# 选择 Docker Compose 全容器化部署
```

**依赖**：Python 3.11/3.12、NodeJS+NPM、（Windows 还需 Rust）

### 四种核心 AI 命令

| 命令 | 功能 | 示例 |
|------|------|------|
| `page.act(prompt)` | 自然语言执行操作 | "点击登录按钮" |
| `page.extract(prompt, schema)` | 提取结构化数据 | 提取订单详情（支持 JSON Schema） |
| `page.validate(prompt)` | 验证页面状态 | "检查用户是否已登录"，返回 bool |
| `page.prompt(prompt)` | 向 LLM 提问页面内容 | "总结页面上有什么" |

### 高级 Agent 命令

| 命令 | 功能 |
|------|------|
| `page.agent.run_task(prompt)` | 执行复杂多步任务 |
| `page.agent.login(type, id)` | 自动登录（支持 Skyvern/Bitwarden/1Password） |
| `page.agent.download_files(prompt)` | 导航并下载文件 |
| `page.agent.run_workflow(id)` | 执行预构建工作流 |

### 三种交互模式

```python
# 1. 传统 Playwright — CSS/XPath
await page.click("#submit-button")

# 2. AI 增强 — 自然语言
await page.click(prompt="点击绿色的提交按钮")

# 3. AI 降级 — 先试选择器，失败后切 AI
await page.click("#submit-btn", prompt="点击提交按钮")
```

### 完整示例

```python
from skyvern import Skyvern

skyvern = Skyvern.local()  # 或 Skyvern(api_key="xxx") 连 Cloud
browser = await skyvern.launch_cloud_browser()
page = await browser.get_working_page()

await page.goto("https://amazon.com")
await page.agent.login(credential_type="skyvern", credential_id="cred_123")
await page.click(prompt="将第一个商品加入购物车")
result = await page.agent.run_task("完成结账流程")
```

---

## 🌩️ Skyvern Cloud

| 特性 | 说明 |
|------|------|
| 托管服务 | 无需自建基础设施 |
| 并行运行 | 多实例同时执行 |
| 反检测 | 内置反 bot 检测机制 |
| 代理网络 | 自动代理轮换 |
| 验证码 | 内置 CAPTCHA 求解器 |
| 凭证管理 | 支持 Bitwarden / 1Password 集成 |

---

## 📊 评测表现

- **WebVoyager Eval**: **85.85%**（SOTA 级别）
- 测试在 Skyvern Cloud 真实环境中运行（非本地浏览器）
- 使用 GPT-4o + GPT-4o-mini 作为决策 LLM
- 公开完整评估过程：<https://eval.skyvern.com>

---

## 🎯 典型应用场景

| 场景 | 说明 |
|------|------|
| **自动求职** | 自动在多个招聘网站投递申请 |
| **发票抓取** | 登录供应商系统，下载发票 |
| **自动采购** | 在数百个网站自动下单 |
| **数据采集** | 从动态网页提取结构化数据 |
| **表单填写** | 自动完成复杂表单流程 |

---

## 🔍 与同类工具对比

| 工具 | 定位 | 开源 | 浏览器支持 |
|------|------|------|-----------|
| **Skyvern** | LLM+视觉浏览器 Agent | ✅ | Chromium (Playwright) |
| **Browser-use** | LangChain 浏览器 Agent | ✅ | Chromium |
| **OpenClaw browser** | 内置浏览器控制 | N/A | Chromium |
| **agent-browser** | CLI 浏览器自动化 | ✅ | Chromium |
| **Google Mariner** | 闭源 Web Agent | ❌ | Chrome |

---

## 💡 与 OpenClaw 的关系

Skyvern 和 OpenClaw 的 browser 工具定位不同：

- **Skyvern**：专注于"说人话操控网页"，适合复杂多步网页流程自动化
- **OpenClaw browser**：通用浏览器控制，适合日常查询和简单操作

两者可互补使用：Skyvern 处理复杂网页自动化，OpenClaw 处理日常浏览需求。

---

*研究完成，2026-05-01 | Skyvern 2.0 WebVoyager 85.85%，开源 Playwright 扩展*