Skyvern

活跃
GitHub Python AGPL-3.0

简介

Skyvern 是面向浏览器任务自动化的 Agent 平台,通过页面理解与操作规划完成复杂网页流程,适合表单处理、后台操作与可重复 Web 自动化场景。

核心特性

  • 视觉 LLM 驱动 — 使用视觉大模型理解网页并执行操作,无需预定义 XPath
  • Playwright 兼容 SDK — 在 Playwright 基础上添加 AI 功能,支持 Python 和 TypeScript
  • 无代码工作流构建器 — 提供可视化界面,非技术人员也可创建自动化流程
  • 抗布局变化 — 通过视觉理解而非 DOM 选择器,适应网站布局变化
  • 多步骤任务执行 — 支持复杂的多步骤网页操作流程
  • 企业级功能 — 内置反机器人检测、代理网络和 CAPTCHA 解决方案

适用场景

💡 自动化表单填写和提交流程
💡 批量处理后台管理系统的重复操作
💡 跨网站执行统一的自动化工作流
💡 数据采集和网页信息提取

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(23.0k stars)
  • 项目有一定历史沉淀(已维护 2 年)

⚠️ 不足

  • 许可证限制较多(AGPL-3.0)

快速开始

pip install "skyvern[all]"
skyvern quickstart

# 或 Docker Compose
git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
cp .env.example .env
docker compose up -d
# 访问 http://localhost:8080

相关项目

PyWinAssistant

1.3k · Python
不活跃 C

首个开源的通用 GUI 自动化智能体框架,通过自然语言完全操控图形界面,利用思维可视化与链式推理实现空间感知与 HID 交互模拟。

browseragentpython +2
  • · 首个通过原生 Windows 辅助功能 API 操作 GUI 的开源 Computer-Using-Agent,无需 OCR 或像素级成像
  • · 符号空间映射,通过 OS 原生父子关系和坐标系统实现层级化元素追踪
  • · 自然语言到 GUI 自动化:解析意图、映射到 UI 元素、生成自适应工作流

Page Agent

29.0k · TypeScript
活跃 A+

Page Agent 是阿里巴巴开发的 JavaScript 页面内 GUI 智能体,通过自然语言控制网页界面,实现自动化表单填写、页面导航和元素操作等任务。

browseragenttypescript +2
  • · 页面内JavaScript GUI智能体,无需浏览器扩展、Python或无头浏览器
  • · 基于文本的DOM操作,不依赖截图或多模态大模型
  • · 自带LLM,兼容任何OpenAI兼容API

相关文章