一、前言

本文Skyvern是一款功能強大的模擬瀏覽器自動化操作爬蟲軟件。它通過模擬人類在瀏覽器中的操作，實現對目標網站的自動化訪問、數據抓取和處理。Skyvern支持多種編程語言，用戶可根據需求編寫腳本，實現高效的數據采集。同時，它具備強大的反爬蟲策略應對能力，能在保證數據抓取效率的同時，降低被封禁的風險。Skyvern廣泛應用于網絡數據挖掘、競品分析等領域，是企業及個人獲取網絡信息的有力工具。

二、Skyvern 介紹

Skyvern是一種由Skyvern-AI開發的AI工具，旨在通過使用大型語言模型（LLMs）和計算機視覺技術來自動化基于瀏覽器的任務和工作流程。該產品的主要目標是幫助用戶減少重復性手動工作，提高效率。Skyvern通過簡單的API端點實現完全自動化的手動工作流程，替代了脆弱或不穩定的自動化解決方案。

主要特點

• 無需預定義代碼：Skyvern能夠在從未見過的網站上操作，自動將視覺元素映射到完成工作流程所需的動作，無需任何定制代碼。
• 抗布局變化能力：由于Skyvern不依賴預定義的XPath或其他選擇器，因此網站布局變化不會影響其操作。
• 大規模工作流程應用：Skyvern能夠將一個工作流程應用到大量網站，具有靈活的推理能力。
• 復雜情境處理能力：通過LLM，Skyvern能夠理解并處理復雜的交互情形。

應用場景

• 自動數據抓取：無論是價格比較，還是市場研究，Skyvern都能跨多個電商平臺快速收集信息。
• 在線表單填寫：保險報價申請、報名表格等繁瑣過程，只需簡單配置即可自動化完成。
• 競品分析：自動瀏覽競爭對手網站，獲取產品信息并做對比。

工作原理

Skyvern 的靈感來自 BabyAGI 和 AutoGPT 推廣的任務??驅動自主代理設計——還有一個主要優點：我們讓 Skyvern 能夠使用 Playwright 等瀏覽器自動化庫與網站進行交互。

三、Skyvern 部署與安裝

GitHub：https://github.com/skyvern-ai/skyvern
GitCode：https://gitcode.com/
在線：https://app.skyvern.com/
文檔：https://docs.skyvern.com
litellm: https://gitcode.com/gh_mirrors/li/litellm

Docker Compose 設置（推薦）

1、確保您已安裝并運行 Docker Desktop。

Docker Desktop 是 Docker 官方提供的桌面應用程序，旨在讓開發者能夠在 Windows 和 macOS 系統上輕松地構建、運行和共享容器化應用程序。Docker Desktop 提供了一個方便的工具集，使用戶能夠快速部署容器化應用程序，同時還包括了一些強大的功能和工具，如 Docker Engine、Docker CLI、Docker Compose 等。

這里我就不將 Docker 的詳細安裝步驟寫出來了，如果還沒有安裝的可以通過下面查看我的另一篇文字

查看詳細Docker Desktop安裝步驟：
【Docker Desktop 安裝使用教程】

查看詳細安裝 Docker Desktop 相關問題：
【安裝 家庭版 Windows 出現 的 Docker 問題】
【安裝 Windows Docker Desktop - WSL問題】
【打開 Windows Docker Desktop 出現 Docker Engine Stopped 問題】

2、確保本地沒有運行 postgres（運行 docker ps 檢查）。

docker ps

3、克隆倉庫并導航到根目錄。

git clone https://github.com/Skyvern-AI/skyvern.git 

GitHub：https://github.com/skyvern-ai/skyvern

4、修改配置(支持litellm)

• 后端配置

  根據你使用的LLM修改.env文件即可（將需要使用的模型供應商ENABLE_*改為true，填寫相應的密鑰*_API_KEY，修改使用的模型LLM_KEY）

項目使用的是litellm用于發起請求，若有其他的支持視覺的LLM可以自己參考litellm，然后修改項目源碼新增。

我主要新增openai的 api_base這個參數，若有和我一樣將openai接口國內做的轉發可以參考以下步驟。

• 修改 skyvern/config.py
  在Settings類中新增類變量OPENAI_API_BASE

OPENAI_API_BASE: str | None = None

• 修改skyvern/forge/sdk/api/llm/config_registry.py
  • 在你需要修改的模型中新增litellm_params參數（我使用的gpt4o，其余模型修改方法類似）

LLMConfigRegistry.register_config("OPENAI_GPT4O", LLMConfig("gpt-4o",["OPENAI_API_KEY", "OPENAI_API_BASE"],  # 檢查 .env中參數是否填寫supports_vision=True,add_assistant_prefix=False,litellm_params=LiteLLMParams(api_base=SettingsManager.get_settings().OPENAI_API_BASE,api_key=None,api_version=None,),)
)

• 修改.env.example 為 .env
  • 新增OPENAI_API_BASE

OPENAI_API_BASE="https://xx.cn/v1"

• 前端配置
  主要查看skyvern-frontend/.env中VITE_SKYVERN_API_KEY是否為空，若為空運行以下代碼得到token填寫即可。（若代碼運行出現 403 則運行以下代碼得到token修改即可）

poetry shell  # 進入poetry管理的項目環境
poetry run python scripts/create_organization.py Skyvern-Open-Source

5、在 docker-compose.yml 中填寫 LLM 提供程序密鑰。

如果您想在遠程服務器上運行 Skyvern，請確保在 docker-compose.yml 中為 UI 容器設置正確的服務器 IP地址。

    environment:- DATABASE_STRING=postgresql+psycopg://skyvern:skyvern@postgres:5432/skyvern- BROWSER_TYPE=chromium-headful- ENABLE_OPENAI=true- LLM_KEY=OPENAI_GPT4O- OPENAI_API_KEY=<your_openai_key>

6、通過命令行運行以下命令：

docker compose up -d

7.啟動Skyvern

8、在瀏覽器中導航到 http://localhost:8080 開始使用 UI。

三、Skyvern 的真實案例

我們很高興看到 Skyvern 是如何在實際中被使用的。以下是一些 Skyvern 如何在現實世界中用于自動化工作流程的示例。