Skyvern 是什么？23K 星的开源 Agent，把「上网干活」这四件事彻底交给 AI（基础篇）

导语

你电脑前面最烦的事，八成有一件是「重复填表、反复点按钮」。Skyvern 就是专治这个的——一个 2.3 万星的开源 Agent 平台，路子跟其它 Agent 不太一样：别的 Agent 只会「想」，它直接「动手」，替你把网页这边的活干完。对天天被录入、对账、爬数据这些破事折磨的运营和运维来说，这一下就像给自己请了个「网页管家」。

项目介绍

Skyvern 出自 Skyvern-AI 团队，2024 年初开源，代码走 AGPL-3.0 协议。它沿用的是 AutoGPT、BabyAGI 那一路「任务驱动」的自主 Agent 设计，但多加了一张王牌：能用 Playwright 这类浏览器自动化库，去真刀真枪地操作网页。它内部是一群小 Agent 各司其职——有的看页面结构，有的规划步骤，还有的执行点击、输入、提交，组了一条完整的「看-想-动」链路。

它最拿得出手的地方是「抗折腾」。传统 RPA（Power Automate、Selenium、Puppeteer 那套）全靠写死的 XPath 和 DOM 选择器，官网一改版就稀里哗啦崩给你看。Skyvern 走的是视觉大模型（Vision LLM）路线，让 AI「看」页面，把视觉元素直接映射成动作。好处立竿见影：

• 从没见过的网站，第一次也能上手，不需要你为它单独写代码；
• 页面改版，不容易把它弄崩，维护成本直线下降；
• 一个流程（比如「帮我填这张报销单」）能复用到一堆不同网站，写一次吃遍天。

上手

入门有三条路。不折腾的直接上 Skyvern Cloud 托管版；想数据不出内网就 Docker 起一套自托管，浏览器端还是你熟悉的 Playwright 工具链，运维同学零学习成本；另外它还有个无代码工作流编辑器，市场、行政这些完全不懂代码的同事也能拖出自动化。装好后你会拿到一个 Playwright 兼容的 SDK，习惯写自动化脚本的人上手极快——等于在你已经跑惯的老流程上，叠了一层 AI 的「眼睛」，原来的脚本能干的活它都能接，还能眼观六路。

适用人群

• 运营/行政：报销、下单、客服工单这些天天要填的表，拖个流程让它代劳；
• 运维/开发：把官方文档、后台的点来点去，变成一句自然语言指令；
• 要接又要稳的公司：被第三方官网改版坑过的，最懂它值在哪。

实话

Skyvern 最香的就是「应对不断变样的网页」这块，比硬编码脚本耐造太多，这在企业里是实打实的运维减负，也是它 2 年多攒下两万多星的根本原因。但用之前你把两件事想清楚：一是它本质仍是浏览器操作型 Agent，不是那种帮你写代码、做数据分析的通用助手，别指望它包打天下；二是它挂着 AGPL-3.0，自己在家玩随便，一旦想推给同事、客户做商业落地，得先研究清楚授权边界。

另外它的效果跟底层视觉模型强相关，官方推荐接付费大模型，纯本地开源模型跑起来效果会打折扣。想搞懂「哪些活该交给哪种 Agent」，可以翻翻本站的 横向 Agent 平台实测合集，先把各个选手的定位摸清，再决定把哪盘活交给 AI。

by 数码罗记 · godsun.pro