【skyvern 快速上手】一句话让AI帮你实现爬虫+自动化

skyvern介绍

Skyvern 是一款利用大语言模型（LLM）和计算机视觉技术来自动化浏览器工作流程的工具。它通过提供一个简单的API端点，能够替代那些脆弱或不可靠的自动化解决方案，从而高效地自动化大量网站上的手动操作。

主要特点

• 无需预定义代码：Skyvern能够在从未见过的网站上操作，自动将视觉元素映射到完成工作流程所需的动作，无需任何定制代码。
• 抗布局变化能力：由于Skyvern不依赖预定义的XPath或其他选择器，因此网站布局变化不会影响其操作。
• 大规模工作流程应用：Skyvern能够将一个工作流程应用到大量网站，具有灵活的推理能力。
• 复杂情境处理能力：通过LLM，Skyvern能够理解并处理复杂的交互情形。

工作流程

Skyvern受任务驱动的自动化代理设计启发，例如BabyAGI和AutoGPT，并结合使用如Playwright等的浏览器自动化库，实现网页交互自动化。

1. 绘制边界框:

   • Skyvern首先在目标网站的页面上绘制各个可交互元素的边界框。

2. 解析HTML并提取图像:

   • 接着，Skyvern解析页面的HTML代码，并从中提取包含网页内容的图像。

3. 提取可交互元素:

   • 然后，Skyvern从图像中识别并提取所有可交互的元素，如按钮、输入框等。

4. 调用LLM规划动作:

   • Skyvern调用大语言模型（LLM），询问下一步应该采取的动作。例如，当遇到问题“你的姓名是什么？”时，LLM会回答需要填写姓名，并点击“下一步”按钮。
   • LLM的回应示例：
     • 动作1：填写姓名为 “XX”。
     • 动作2：点击“下一步”按钮。

5. 执行动作:

   • Skyvern根据LLM的指示执行具体动作，例如填写表单并点击按钮。

6. 重复步骤:

   • Skyvern重复上述步骤，继续解析新页面，识别可交互元素，并调用LLM规划和执行动作，直到完成整个工作流程。

部署（重点介绍源码部署）

源码部署

1. 安装 Python 3.11
   如有python 3.11版本（官方指定3.11版本）可跳过
   我使用的pyenv来管理环境，也可使用其他方法安装python

   # macos中pyenv安装命令，其余系统自行查找
   brew install pyenv  
   # 配置环境变量
   export PATH="$HOME/.pyenv/bin:$PATH"
   eval "$(pyenv init --path)"
   eval "$(pyenv init -)"
   eval "$(pyenv virtualenv-init -)"pyenv install 3.11.9  
   pyenv global 3.11.9
   

2. 安装poetry
   Poetry 是 Python 中用于依赖项管理和打包的一个工具。
   其他安装方式参考官方文档：https://python-poetry.org/docs

   # macos中poetry安装命令，其余系统自行查找
   brew install poetry# 如果使用的pyenv可以指定poetry使用当前pyenv的py版本
   poetry env use $(pyenv which python)
   

3. 安装PostgreSQL 14

   # macos中安装命令，其余系统自行查找
   brew install postgresql
   

4. 安装node
   我使用的nvm来管理node环境，也可使用其他方法安装node

   # macos中安装命令，其余系统自行查找
   brew install nvm  # 安装最新node，并设置为系统默认
   nvm install node
   nvm alias default node
   

5. 克隆源码

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

6. 依赖安装

   cd skyvern  # 项目根目录执行下面的命令 
   ./setup.sh
   

7. 修改配置

   • 后端配置
     根据你使用的LLM修改.env文件即可（将需要使用的模型供应商ENABLE_*改为true，填写相应的密钥*_API_KEY，修改使用的模型LLM_KEY）
     项目使用的是litellm用于发起请求，若有其他的支持视觉的LLM可以自己参考litellm，然后修改项目源码新增。
     我主要新增openai的 api_base这个参数，若有和我一样将openai接口国内做的转发可以参考以下步骤。

     • 修改skyvern/config.py
       • 在Settings类中新增类变量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参数（我使用的gpt4o，其余模型修改方法类似）

       LLMConfigRegistry.register_config("OPENAI_GPT4O", LLMConfig("gpt-4o",["OPENAI_API_KEY", "OPENAI_API_BASE"],  # 检查 .env中参数是否填写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
       • 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是否为空，若为空运行以下代码得到token填写即可。（若代码运行出现 403 则运行以下代码得到token修改即可）

     poetry shell  # 进入poetry管理的项目环境
     poetry run python scripts/create_organization.py Skyvern-Open-Source
     

     

docker快速部署

1. 确保您已安装并运行Docker Desktop。
2. 克隆库并导航到根目录。
3. 填写Docker Compose文件中的LLM密钥。
4. 运行命令启动Skyvern：

docker compose up -d

5. 在浏览器中访问http://localhost:8080开始使用。

运行（基于源码）

后端

shell脚本运行

./run_skyvern.sh

或者直接运行/调试 代码 skyvern/forge/__main__.py

前端

./run_ui.sh  

快速使用示例

• 输入我想要的任务，直接执行
  

• 查看正在执行的任务
  

• 查看结果以及每一个步骤，详细记录了每一步的操作，有图片以及视频，可以详细的查看自动化的流程。这里不过多讲述，读者可自己摸索。
  
  

• 除此之外，还可以自定义运行模版
  
  

总结

Skyvern 通过结合大语言模型（LLM）和计算机视觉技术，提供了一种高效、灵活的浏览器自动化工具。其无需预定义代码，抗布局变化能力强，能够在大量网站上应用工作流程并处理复杂情境。Skyvern不仅简化了自动化流程的实现，还通过详细记录和呈现每一步骤的执行情况，为用户提供了透明和可控的自动化解决方案。不论是源码部署还是使用Docker快速部署，用户都能便捷地将Skyvern集成至自己的项目中，并且通过完善的接口和配置选项，轻松定制和扩展其功能。