Skyvern利用 LLM 和计算机视觉实现基于浏览器的工作流程自动化

1年前发布 255 0 0
收藏 0

Skyvern使用 LLM 和计算机视觉来自动化基于浏览器的工作流程。它提供了一个简单的 API 端点，可以完全自动化大量网站上的手动工作流程，从而取代脆弱或不可靠的自动化解决方案。

收录时间：
2024-12-08
打开网站手机查看
Skyvern利用 LLM 和计算机视觉实现基于浏览器的工作流程自动化Skyvern利用 LLM 和计算机视觉实现基于浏览器的工作流程自动化
Skyvern利用 LLM 和计算机视觉实现基于浏览器的工作流程自动化打开网站

项目介绍：

传统的浏览器自动化方法需要为网站编写自定义脚本，通常依赖于 DOM 解析和基于 XPath 的交互，但只要网站布局发生变化，这些方法就会中断。

Skyvern 不仅仅依赖代码定义的 XPath 交互，还依赖于计算机视觉和 LLM 之外的提示来实时解析视口中的项目，创建交互计划并与它们交互。

这种方法给我们带来了一些好处：

  1. Skyvern 可以在从未见过的网站上运行，因为它能够将视觉元素映射到完成工作流程所需的操作，而无需任何定制代码
  2. Skyvern 不受网站布局变化的影响，因为我们的系统在尝试导航时不需要预先确定的 XPath 或其他选择器
  3. Skyvern 能够采用单一工作流程并将其应用于大量网站，因为它能够推理完成工作流程所需的交互
  4. Skyvern 利用 LLM 通过交互进行推理，以确保我们能够涵盖复杂的情况。示例包括：
    1. 如果你想从 Geico 获得汽车保险报价，那么一个常见问题的答案“你 18 岁有资格开车吗？”可以从司机在 16 岁时获得驾照推断出来
    2. 如果你正在进行竞争对手分析，那么你就会发现 7/11 商店出售的 Arnold Palmer 22 盎司罐装啤酒几乎肯定与 Gopuff 商店出售的 23 盎司罐装啤酒是同一款产品（尽管尺寸略有不同，这可能是舍入误差！）

项目链接：

Skyvern

 

相关导航