Skyvern: Tự động hóa trình duyệt bằng LLM + thị giác
Skyvern-AI/skyvernSkyvern tự động hóa các quy trình trên trình duyệt bằng vision LLM và thị giác máy tính thay vì các selector viết tay. Nó đọc trang như một con người, nên một luồng điền form hay nhập liệu vẫn chạy khi bố cục trang thay đổi — chỗ mà một script XPath sẽ vỡ.
Hãy chọn Skyvern nếu bạn tự động hóa các luồng trên những website bạn không kiểm soát và đã chán cảnh script XPath vỡ sau mỗi lần đổi giao diện. Bỏ qua nếu bạn tự động hóa một ứng dụng nội bộ ổn định — một script Playwright thuần sẽ nhanh và rẻ hơn là đẩy từng bước qua một model thị giác.
Vấn đề nó giải quyết
Tự động hóa trình duyệt kiểu truyền thống gắn hành động vào cấu trúc trang: click XPath này, đọc node DOM kia. Ngay khi một site đổi giao diện, các selector trượt và script lỗi âm thầm. Duy trì một đống script như vậy trên nhiều website bên thứ ba là trò đập chuột chũi không hồi kết.
Đây là gì?
Skyvern là công cụ mã nguồn mở (giấy phép AGPL-3.0) tự động hóa quy trình trình duyệt bằng LLM và thị giác máy tính. Thay vì chỉ dựa vào XPath định nghĩa bằng code, nó dùng model thị giác để nhìn một trang và quyết định cách tương tác. Nó cung cấp một SDK tương thích Playwright thêm các lệnh AI lên trên Playwright, cùng một trình dựng workflow no-code cho người không lập trình.
Vì sao đang được chú ý
Tự động hóa trình duyệt sống sót qua thay đổi bố cục là nỗi đau lâu năm, và ghép vision LLM với Playwright là một câu trả lời cụ thể. README định vị Skyvern như một bước tiến hóa của các agent hướng-tác-vụ kiểu BabyAGI và AutoGPT, nhưng chĩa vào các tác vụ trình duyệt thật — với một bầy agent đọc một site rồi lập kế hoạch và thực thi hành động.
Tính năng chính
- ✓Tương tác bằng vision LLM đọc trang một cách trực quan thay vì chỉ dựa vào selector XPath/DOM
- ✓Một SDK tương thích Playwright thêm các lệnh AI lên trên Playwright chuẩn
- ✓Một trình dựng workflow no-code cho người dùng không kỹ thuật
- ✓Cách tiếp cận bầy-agent để hiểu một site, rồi lập kế hoạch và thực thi hành động
- ✓Chạy trên các website công khai bất kỳ, không chỉ ứng dụng bạn kiểm soát
- ✓Thiết lập pip cục bộ mặc định dùng cơ sở dữ liệu SQLite, có tùy chọn Postgres và Docker
Trường hợp dùng tốt nhất
- •Điền form hoặc đơn đăng ký trên các website mà bố cục thay đổi thường xuyên
- •Tự động hóa các tác vụ nhập liệu hay tra cứu lặp đi lặp lại trên site bên thứ ba
- •Để người không lập trình dựng automation trình duyệt mà không cần viết selector
- •Thay thế các script Selenium/Playwright dễ vỡ khi site đổi giao diện
Cách cài đặt / dùng thử
Skyvern cần Python 3.11, 3.12 hoặc 3.13. Cài bằng `pip install skyvern` (README lưu ý dùng `uv pip install skyvern` nếu pip gặp lỗi resolution litellm/fastmcp), rồi chạy `skyvern quickstart` và `skyvern run server` — các lệnh này mặc định dùng cơ sở dữ liệu SQLite tại `~/.skyvern/data.db`, nên đường pip chạy được mà không cần Postgres hay Docker. Cũng có tùy chọn docker-compose được ghi lại.
Cách sử dụng
Bạn có thể điều khiển Skyvern qua SDK tương thích Playwright của nó, thêm các lệnh AI vào một script Playwright, hoặc dựng luồng trực quan trong trình dựng workflow no-code. Giao cho nó một tác vụ trên website đích và các agent của nó đọc trang bằng thị giác rồi thực hiện các bước. Xem tài liệu dự án để biết các lệnh SDK và tính năng workflow.
Điểm mạnh
- ✓Sống sót qua các thay đổi bố cục vốn làm vỡ automation dựa trên XPath/selector
- ✓Tương thích Playwright, nên lắp vào các workflow Playwright sẵn có
- ✓Mặc định pip + SQLite cho phép thử mà không cần dựng Postgres hay Docker
- ✓Một trình dựng no-code mở automation cho người không lập trình, không chỉ kỹ sư
Hạn chế & rủi ro
- △Mỗi bước đi qua một vision LLM, nên chậm hơn và tốn hơn một lần chạy script thuần
- △Tính copyleft AGPL-3.0 có thể gây phức tạp cho việc dùng thương mại hoặc nhúng
- △README ghi lại các lỗi resolution phụ thuộc của pip (litellm/fastmcp) đẩy bạn sang uv
- △Automation hướng thị giác trên site bất kỳ vẫn mang tính xác suất — nó có thể đọc sai trang hoặc làm sai hành động
- △Bạn cung cấp quyền truy cập LLM, nên chạy ở quy mô lớn nghĩa là tốn tiền model thật theo từng tác vụ
Lựa chọn thay thế
Ai nên thử — và ai nên bỏ qua
Các nhóm tự động hóa quy trình trên những website họ không sở hữu, nơi các lần đổi giao diện cứ làm vỡ script dựa trên selector. Nó hợp cả kỹ sư (qua SDK tương thích Playwright) lẫn người không lập trình (qua trình dựng no-code). Nếu bạn tự động hóa một ứng dụng nội bộ ổn định, một script Playwright trực tiếp sẽ gọn và rẻ hơn.
Câu hỏi thường gặp
Selenium và Playwright hành động trên các selector định nghĩa bằng code như XPath. Skyvern thêm vision LLM đọc trang một cách trực quan, nên các luồng sống sót qua thay đổi bố cục vốn làm vỡ script dựa trên selector.
Không. Theo README, `skyvern quickstart` và `skyvern run server` mặc định dùng cơ sở dữ liệu SQLite tại ~/.skyvern/data.db, nên đường pip chạy mà không cần Postgres hay Docker. Postgres và docker-compose là tùy chọn.
Có. Bên cạnh SDK tương thích Playwright, nó có một trình dựng workflow no-code nhắm tới người dùng không kỹ thuật.
AGPL-3.0. Đó là một giấy phép copyleft mạnh, có thể ảnh hưởng tới cách bạn dùng nó trong các sản phẩm thương mại hoặc chạy qua mạng.