以前写浏览器自动化脚本的时候，经常被一个问题折磨：辛辛苦苦写好的脚本，刚过几天，就突然间无法运行。
然后一查发现，爬取的网站又进行了改版，之前代码里写的定位元素全变，接着改代码、测试等，这种情况极其痛苦。
无独有偶，近日在 GitHub 上找到一个开源的自动化浏览器 Skyvern，一看竟然斩获了 15000+ GitHub Star。
用 AI 理解网页，不靠固定选择器
以前传统的浏览器自动化工具，大部分都是使用 Selenium，需要我们精确指定每个元素的位置。
而 Skyvern 的做法不一样，它通过如 Gemini 这些多模态大模型来识别理解页面上的元素。
通俗的理解，就是它能 “看到” 整个页面的截图内容，自我判断哪里是按钮、哪里是输入框、该点哪里、该填什么。
这样就完美解决了，网站改版导致自动化脚本失效问题，不需要我们重新去找 XPath 或者 CSS 选择器。
能处理复杂的逻辑判断
另外 Skyvern 还有个挺聪明的地方，它能基于大模型能力进行一些复杂逻辑推理，保证网页抓取正常进行。
简单举个例子，如果你要在 Geico 网站上获取汽车保险报价，表单里有个问题问 “你18岁时就有驾照了吗？”。
如果你提供的信息显示你16岁就拿到驾照了，Skyvern 能推理出这个问题的答案应该是"是"。
这种理解能力在处理实际业务场景非常有用，对于传统的网页爬取方式，更加灵活应对各种提问。
除了这两个核心功能之外，Skyvern 还有很多值得一说的亮点，比如下面这些：
自动生成维护代码：首次执行任务时会自动生成 Playwright 代码，后续运行直接用代码执行，提升速度降低成本。如果网页改了，它还能自我重新识别内容进行修复代码。
认证和安全：支持多种登录方式，包括基于二维码的双因素认证、短信验证码、邮箱验证码等，还能对接主流密码管理器。
实时查看过程：可以实时看到浏览器在做什么，每个操作都有对应的截图记录，让我们调试起来方便很多。
数据提取：严格按照我们指定的格式提取网页数据，支持 JSON、CSV 等多种格式输出。
安装使用，轻松上手
Skyvern 提供了云服务版本和开源自部署两种方式。
对于新手想要快速体验，可以直接使用官方提供的云服务，有 5 美元免费额度。
而开发者更建议部署开源版使用，自由接入大模型且能控制成本，另外安装也不复杂，主要就以下几步：
1、先确保安装了 Python 3.11 以上版本和 Docker
2、通过 pip 命令安装：pip install skyvern
3、初始化项目相关配置：skyvern quickstart
4、启动服务：skyvern run all
启动成功后，即可通过浏览器访问http://localhost:8080进行操作。
另外还可以通过 Python API 的方式调用，只需写几行代码就能让它去执行任务。
写在最后
如果你经常需要做一些重复性的网页操作，比如定期下载发票、批量填写表单、收集数据之类的，Skyvern 确实值得试试。
不过有一点要注意，因为它依赖大语言模型，执行任务的时候会产生 API 调用费用。
总的来说，Skyvern 代表了浏览器自动化的一个新方向，用 AI 来理解网页，而不是硬编码每个操作步骤。
对于那些被传统工具的脚本维护问题困扰的人来说，应该会是个不错的选择。
GitHub 项目地址：https://github.com/Skyvern-AI/skyvern
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！
往期热文
-
刚刚开源，爆火 AI 神器，被复刻了！
-
超轻量的终端神器，内置 500+ 实用小工具！
-
一键统管 30+ 网盘，这款整合神器彻底火了！
