用 LLM 与计算机视觉自动化浏览器工作流，提供 Playwright 兼容 SDK 与无代码工作流搭建，不依赖 XPath 选择器、页面改版不易碎；README 列举的真实场景包括多网站下载发票、求职申请、制造业采购、政府网站填表。星数：来源称 20,308（gist 对比）到「more than 23,000」（其官网文），记为来源称 20k+。许可证：AGPL-3.0（其对比文与仓库介绍均如此标注，云版反机器人能力除外）。

适用场景：目标系统没有 API、只有网页后台的重复劳动：各供应商门户下载对账发票、批量提交表单、跨多个相似网站执行同一流程。

Skyvern 浏览器自动化 RPA 视觉LLM 发票下载 填表

操作步骤

  1. 先在云版或本地 Docker 起一个实例，拿一个低风险站点练手，用一句话目标+输出 JSON schema 建任务，开启运行录屏/日志逐步核对动作无误后，再接凭据保险库（支持 2FA/TOTP）跑真实门户，最后用 Webhook/定时把结果文件回传到自己的存储

工具链

  • Skyvern
  • Playwright
  • Python/TypeScript SDK
  • 视觉多模态 LLM
  • Docker Compose
接入本站 API：在 Skyvern 的模型配置里填自定义 LLM 端点 https://tokenbuddy.cc + {{API_KEY}} 并选分组内的多模态模型（页面理解需要 vision 模型，纯文本模型不行）；若该部署只认官方云模型，则把 Skyvern 当执行器、把结果文本回送 https://tokenbuddy.cc 做二次结构化也成立，但要在素材中如实说明这一分工。

注意事项

  • ⚠️ 涉及登录/付款/提交类动作必须加人工审批节点，禁止全自动提交不可逆操作；视觉模型调用成本远高于纯 API 流程，先小样本测成功率与单次成本；AGPL 自托管商用边界与云版能力差异（反机器人、代理）要提前核对

来源：https://github.com/Skyvern-AI/skyvern