Skyvern 是一个开源的浏览器自动化平台，通过计算机视觉和大语言模型理解网页语义并驱动浏览器操作，无需依赖脆弱的 CSS 选择器或 XPath。它同时提供可自部署的本地服务和托管云服务，帮助团队构建能在陌生网站上通用的健壮智能体工作流。
主要特性
- 将视觉感知与 LLM 推理相结合，无需预定义选择器即可与任意网站交互
- 通过多智能体群协作实现复杂任务的分解、并行执行和结果聚合
- 内置表单填写、数据抽取、文件下载和验证循环等工作流构件
- 支持 Model Context Protocol 并兼容 OpenAI、Anthropic、Gemini 和 Ollama
- 通过 Playwright 驱动浏览器，支持实时视频流调试和审计追踪
使用场景
- 跨厂商门户批量下载发票和自动化采购工作流
- 大规模自动投递职位申请和候选人筛选
- 竞品价格监控和市场情报收集
- 跨越不同网站布局的 RPA 式业务流程自动化
- 支持本地部署和 Skyvern Cloud 托管两种运行方式的可复现自动化
技术特点
- 提供可插拔的 LLM 后端，兼容主流提供商和本地模型
- 通过 schema 驱动的 API 确保输出结构化和可复现
- 开源核心采用 AGPL-3.0 许可，附带托管云服务
- 托管云额外提供反机器人绕过、代理轮换和验证码解决方案