Skyvern 浏览器自动化

要解决什么问题

用 Playwright 写死选择器维护成本高；纯截图+大模型又贵又慢。Skyvern 把「该用 AI 还是确定性操作」拆成可执行的 CLI 路径：布尔检查、结构化提取、单步点击/输入、同页多步 act，以及可复用的 workflow。

技能如何组织决策

技能按 步骤 1～6 引导你：先给任务分类（对照表格选 skyvern browser validate、extract、click/type、act、run-task 或 workflow create），再应用六条决策规则（有选择器就用基础指令、只要 yes/no 就用 validate、跨页可复用就走 workflow 等）。

核心能力包括：

• 会话：session create 后状态在命令间持续，用完 session close
• 定位模式：意图、--selector、或混合（选择器缩小范围 + AI 确认）
• 成本意识：validate 约 1 次 LLM；已知目标的 click/type 为 0 LLM；act 用无障碍树、推理中不用截图
• 凭据：密码/卡号/密钥走 skyvern browser login 与存储凭据，禁止在 type/act 里手输密码
• 验证与恢复：页面变更后做 validate；元素找不到则 wait --state visible，复杂提示拆成单意图

MCP 用户在同页多步 UI 上应优先 observe + execute（CLI 不直接提供这对组合）。

适用边界

• run-task 适合「试一次」探索，不适合重复或多页生产自动化
• 视觉复杂元素：act 可能不够，需 MCP observe 或混合模式
• 生产重复跑：workflow 按块拆分，首跑 AI、后续重放缓存脚本；调试可用 --run-with agent
• 深度细节见技能内 references/（engines、block-types、credentials、common-failures 等）