在做网页自动化的朋友，大概都有过这样的时刻：
这种痛苦，大家懂，我也懂。
不过最近我发现一款完全不走传统 XPath/DOM 路子的开源自动化工具 — Skyvern。在Github直接斩获18K+星星。
它用的不是传统网页结构解析，而是视觉 + 大语言模型来理解网页。换句话说，它不是解析网页，而是看网页。
不仅能看懂网页，还能自己执行任务、串联工作流、完全本地部署。
项目简介
Skyvern 是一款基于视觉大模型（VLM）驱动的网页自动化工具。
可以自动截图网页 → 让视觉模型理解布局；识别按钮、输入框、表格、交互区域；自动生成操作步骤；模拟人类点击、输入、拖拽、登录等。
即使网站布局调整、按钮换位置，它依然能完成任务。因为它不依赖编码元素，而是依赖“视觉理解”。
主要功能
快速入手
安装Skyvern
pip install skyvern运行 Skyvern，该命令对于首次运行（数据库设置、数据库迁移等）最有帮助。
skyvern quickstart启动 Skyvern 服务和用户界面
skyvern run all然后访问http://localhost:8080并使用用户界面运行任务
简单代码示例：
from skyvern import Skyvern skyvern = Skyvern() task = await skyvern.run_task(prompt="Find the top post on hackernews today") print(task)还可以针对不同的目标运行任务：
from skyvern import Skyvern # Run on Skyvern Cloud skyvern = Skyvern(api_key="SKYVERN API KEY") # Local Skyvern service skyvern = Skyvern(base_url="http://localhost:8000", api_key="LOCAL SKYVERN API KEY") task = await skyvern.run_task(prompt="Find the top post on hackernews today") print(task)还有更多高级用法，可自行探索！
核心理念
让 AI 像人类一样「看」网页，并理解网页，而不是依赖 DOM。
它主要依赖：
这意味着 n8n 工作流 教程 Skyvern 能做的事包括：
典型能力
① 自动执行常见网页任务：对于自动化登录、后台数据下载、填写表单、批量处理网页任务，非常适合。
② 可视化工作流：内置了一个可视化界面，可以像搭积木一样串联多个任务，对于非工程师或运维团队来说特别友好。
③ 模拟人的操作：与纯 API/脚本调用不一样，它模拟的是真实用户行为。所以它执行的任务更加接近真实环境，不容易被反爬机制识别。
写在最后
Skyvern 是我近半年见过最实用、最具潜力的开源自动化工具之一。
它靠“视觉 + AI”来理解页面结构，不依赖DOM，不怕改版，真正适合：
未来网页自动化的核心不再是 XPath，而是让 AI 像人一样读网页。
GitHub 项目地址：https://github.com/Skyvern-AI/skyvern
如果本文对您有帮助，也请帮忙点个 赞👍 + 在看 哈！❤️
在看你就赞赞我！
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/287834.html原文链接：https://javaforall.net
