8.5K+ Star！Skyvern：一个基于LLMs和计算机视觉自动化浏览器工作流的工具

Skyvern 简介

Skyvern[1] 一个使用大型语言模型（LLMs）和计算机视觉自动化浏览器工作流程的工具。 它通过API端点提供服务，能够在无需定制代码的情况下自动化多个网站上的手动工作流程。

Skyvern利用计算机视觉和LLMs实时解析视口（viewport）中的项目，规划交互并执行操作。

它具有适应网站布局变化、在未知网站上操作的能力，并能利用LLMs处理复杂交互情况。

项目特点

主要特点

1. 无需定制代码：Skyvern 能够映射视觉元素到完成工作流所需的动作，无需任何定制代码。

2. 抵抗网站布局变化：由于没有预定义的XPath或其他选择器，Skyvern 不会受到网站布局变化的影响。

3. 跨网站工作流应用：Skyvern 能够将单一工作流应用于大量网站，因为它能够理解完成工作流所需的交互。

4. 复杂情况处理：Skyvern 利用 LLMs 推理交互，以确保能够覆盖复杂情况。

使用场景

Skyvern 可以应用于多种场景，包括但不限于：

• 保险报价获取：