關於 Skyvern AI
About
什麼是 Skyvern
Skyvern 是 Skyvern AI 推出的 AI 瀏覽器自動化代理，背後有 Y Combinator 支持。它是一個在真實瀏覽器裡工作的 AI 網頁代理，不靠 API 呼叫。你用日常語言描述流程，系統開啟頁面、看清楚內容、決定點哪裡，再把字打進正確欄位。
要解決的是維護成本。傳統自動化綁在 XPath 或 CSS 選擇器上，網站一改版就全部失效。Skyvern 用視覺模型判讀渲染後的頁面，按鈕搬家也不會讓流程中斷。同一個流程還能跑在長得完全不一樣的供應商入口網站上。
使用方式有兩種。app.skyvern.com 的雲端版幫你執行代理，代理伺服器與 CAPTCHA 支援都包含在內。另一條路是自己架設：程式碼以 AGPL-3.0 開源，用 Docker 就能把整套服務裝在自己的伺服器上。處理受監管資料的團隊通常選後者。
限制同樣存在，主要落在成本與控制權。每次執行都消耗額度，導覽步驟多的頁面消耗更快。判讀畫面的代理會自行做判斷，涉及付款或法律申報的流程因此需要人工複核。企業方案提供人工介入區塊來處理這件事。
開始使用
- 在 app.skyvern.com 註冊帳號；若打算自架，改用
pip install "skyvern[all]"安裝套件。 - 在設定裡填入 LLM 金鑰。雲端版由平台代管模型，本機安裝則需要自己的 OpenAI、Gemini 或相容服務金鑰。
- 在提示框描述第一個任務，或打開工作流程建置器，拖入導覽、擷取與登入區塊。
- 先在測試視窗跑一次，看完錄下的每個步驟，再針對代理誤判的地方補強指令。
- 排程執行或用 API 呼叫，把 JSON 或 CSV 輸出送進自家系統。
產品資訊
快速了解 Skyvern AI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 被供應商入口網站淹沒的營運團隊：發票、對帳單與理賠申請散在十幾個登入頁後面，Skyvern 一次收齊，不必有人逐一點開。
- 想汰換脆弱腳本的開發者：相容 Playwright 的 SDK 為既有程式加上 AI 元素辨識，網站改版後測試套件依然能跑。
- 保險與醫療公司的後台人員：企業方案包含 HIPAA 條款、SOC 2 報告與人工核准步驟，正好是採購部門會要求的項目。
- 獨自驗證構想的開發者：免費方案約有 170 次操作額度，足夠證明一套流程可行，再決定要不要付費。
任務
- 從供應商網站下載發票：Skyvern 完成登入、通過兩階段驗證、取得 PDF，再依供應商歸檔。
- 在多個網站填同一份表單：一套流程就能處理求職申請、保險報價或政府申報，即使版面各不相同。
- 有結構的網頁資料擷取：你給一份 JSON schema，代理回傳符合欄位的紀錄，而不是原始 HTML。
- 盯住頁面上的變動：價格、庫存或政策文字依排程讀取，寫進試算表。
情境
- 月底結帳壓到財務團隊身上：原本要花三天複製貼上的發票，夜裡自動下載完成。
- 某個入口網站沒有 API，未來也不會有：Skyvern 像真人一樣操作介面，這是唯一剩下的路。
- 爬蟲腳本每季壞一次：視覺辨識把維修工作縮小到改幾句指令。
主要功能
視覺判讀的瀏覽器控制
Skyvern 先渲染頁面，框出可互動元素，再問視覺模型每個元素的用途。整個過程不依賴固定選擇器，版面調整不會中斷執行。同一套流程還能跑在它從未見過的網站上，這就是「每個入口網站一支腳本」與「一支腳本通吃」的差別。
無程式碼工作流程建置
建置器把自動化拆成區塊：導覽、操作、擷取、登入、等待、迴圈。你在畫面上串起來，需要判斷的區塊補上指令，再設定排程。沒有技術背景的人一個下午就能做出可用的流程。區塊表達不了的需求，企業版可用自訂程式碼區塊補上。
CAPTCHA 與兩階段驗證
內建破解機制處理常見的圖片與勾選挑戰，專業版換成進階模型。兩階段登入所需的 TOTP 驗證碼在執行過程即時產生，代理能走完完整驗證。付費方案還能租用 Skyvern 的簡訊號碼，應付只發簡訊驗證碼的網站。
自訂 schema 的資料擷取
你交出 JSON schema，代理照著從頁面填滿，回傳的是紀錄而不是截圖。輸出可為 JSON 或 CSV，執行結束時也能觸發 webhook。處理文件時，Skyvern 會下載檔案、跑 OCR、分類再分送，發票與對帳單的整段流程都涵蓋在內。
代理伺服器與地區定位
每個方案都含機房代理。專業版與企業版再加上住宅代理，並可指定州、城市或郵遞區號。當入口網站依地區給不同內容，或網站封鎖機房網段時，這項能力就派得上用場。
開源程式碼與 Playwright SDK
完整程式碼放在 GitHub，採 AGPL-3.0 授權，撰寫當下已有超過 23,000 顆星。SDK 沿用 Playwright 的介面，既有自動化專案只要改幾行程式，就得到 AI 元素辨識能力。自架能把頁面資料與憑證留在自家網路，同一個儲存庫可用 SQLite 跑在本機，也能用 Docker 搭配 Postgres。
執行過程可追溯
每次執行都保存步驟、每個動作的理由與截圖軌跡。代理點錯地方時，你看得到它選了哪個元素、為什麼選。除錯從猜測變成兩分鐘的檢視，法遵團隊也拿到自動化流程的稽核紀錄。
優缺點
優點
- 視覺元素辨識消除了讓瀏覽器自動化越用越貴的大部分維護工作。
- 免費方案給 5,000 點額度，足以測試真實流程，不只是看示範。
- AGPL-3.0 開源代表可以自架，敏感頁面資料留在自家。
- CAPTCHA 破解、兩階段驗證、代理伺服器與地區定位都內建，不必拼湊四家供應商。
- 相容 Playwright 的 SDK 讓團隊在既有測試架構上導入 AI 代理。
缺點
- 額度消耗隨頁面複雜度上升，步驟多的長流程往往在發現之前就燒掉不少。
- 進階 CAPTCHA 破解與團隊工作區綁在每月 149 美元的專業版，小型團隊預算吃緊。
- 視覺模型偶爾誤判語意不清的按鈕，高風險流程仍要人工把關。
- 本機安裝要求 Python 3.11 以上與 Docker 操作經驗，對非開發者是實質門檻。
常見問題
它用 AI 代理執行瀏覽器任務。你用日常語言描述流程，Skyvern 開啟瀏覽器、讀懂頁面，完成點擊、輸入與下載。常見用途包括收集發票、填寫表單與網頁資料擷取。
相關內容
探索與 Skyvern AI 相關的工具、技能與文章。
Skyvern AI 替代方案
Odyssey 3
Odyssey · 其他Odyssey-3 是 Odyssey 的基礎世界模型，能即時模擬物理，把一段文字提示變成可互動的環境，並套用到機器人、汽車與遊戲上。
JarvisCore
Prescott Data · 程式設計 · 生產力 · 其他JarvisCore 是開源的 Python 執行環境，讓 AI 代理在網格上以對等節點運作、從共用帳本認領任務，並透過零信任代理服務存取外部系統。
Clef
Cloudflare · 商業 · 其他Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。