Skyvern 的卖点是用 LLM 加计算机视觉跑浏览器自动化，替代那些改个版式就碎的 DOM 选择器。我装它的 SDK 想真跑一个任务，结果第一步就撞墙。没 LLM key，连 Skyvern 对象都建不起来。这篇记装包、看签名，以及本地跑到底要装多少东西。

它凭什么替代选择器

先讲它的思路。传统浏览器自动化要给每个网站写定制脚本，靠 DOM 解析和 XPath 定位元素，网站一改布局就崩。Skyvern 换了个路子。按 README 的原话，它不用预先写死的 XPath，靠视觉 LLM 去学习网站、跟它交互。

它的设计受了 BabyAGI 和 AutoGPT 那套任务驱动自主 agent 的启发，多出来的一个是把浏览器自动化库 Playwright 接了进去。系统里是一群 agent，理解网页、规划动作、执行动作。这个 swarm 结构带来三个好处：能操作从没见过的网站，抗布局变化，单个工作流能套到大量网站上。这三个我核过原文。

它给的核心 API 是四个，直接挂在 page 对象上：act 用自然语言执行动作，extract 按 schema 抽结构化数据，validate 校验页面状态返回布尔，prompt 发任意指令。再加 page.agent 一层的 run_task、login、download_files。这四加四的接口，就是它跟裸 Playwright 的差别。

await page.click("#submit-button")                    # 传统选择器
await page.click(prompt="Click the green Submit")     # AI 自然语言
await page.click("#submit-btn", prompt="Click Submit") # 选择器失败回退 AI

这三行是 README 给的三种交互模式，我抄了结构改了自己的写法。第三种最实用，先试选择器，挂了再让 AI 兜底。

装 SDK 这一步

我实测装它。命令 pip install skyvern，走了清华镜像，秒装。装出来版本 1.0.57，用 importlib.metadata 打出来的。装完我顺手查了依赖，playwright 和 litellm 都没有包元数据，importlib.metadata 一个一个问，两个都回 No package metadata was found。这印证了裸 SDK 是纯云客户端，浏览器引擎和 LLM 网关都留在外面，要装得走 skyvern[all] 或 skyvern[local]。

from skyvern import Skyvern
import inspect
print(inspect.signature(Skyvern.__init__))
# (self, api_key, environment, base_url, headers, timeout, follow_redirects, httpx_client)

签名里有个东西很扎眼：api_key 排第一。我当时还没意识到它是必填的。下面这一步就撞上了。

没 key 建对象直接报错

我按直觉先试 Skyvern()，以为能建出一个空对象，等真正调用再报错。实际不是。它当场抛异常。我先跑 Skyvern()，再跑 Skyvern.local()，两个都失败之后才去翻 README 的 Quickstart 那节，看它到底要什么 key。翻到那节我才明白，云版要注册 app.skyvern.com 拿 key，本地版要装 skyvern[local]。这个顺序我记下来了，先撞墙再翻文档，比先读文档印象深。

TypeError: Skyvern.__init__() missing 1 required keyword-only argument: 'api_key'

这句报错我原文留档了。api_key 是 keyword-only 的必填参数，连一个不带 key 的空壳客户端都不让你建。这跟 firecrawl 那轮我测的还不一样，firecrawl 无 key 是访问属性时才抛 ValueError，Skyvern 是构造函数这一层就直接拒绝。这个差别我记下了。

不死心，我试 Skyvern.local()。README 里提过本地模式，我以为这就是绕开 key 的路。结果又是一个异常。

SkyvernExtraNotInstalled: Skyvern.local() requires local embedded/browser support.
Install it with 'pip install "skyvern[local]"'.

这句也是原文。本地嵌入式浏览器支持要单独装 skyvern[local]，我装的裸 skyvern 不带。到这里我看清了：裸 SDK 就是 cloud 客户端，本地跑是另一套装法。

假 key 打到云端 403

最后我试了塞一个假 key 建对象，这一步能过。然后调 run_task，让它真的发一次请求，看云端怎么回。我跑了两遍，两次都返回 403，说明不是偶发。

s = Skyvern(api_key='sk-fake-dummy-key')
task = await s.run_task(prompt='x', url='https://example.com', wait_for_completion=True)

返回的是 skyvern.client.core.api_error.ApiError，status_code 403，body 是 {'detail': 'Could not validate credentials'}。这个 403 和 body 我原文记下了。它真的把请求打到了 Skyvern 云后端。run_task 的签名我也核了，除了 prompt、url，还有 data_extraction_schema、max_steps、browser_address、totp_identifier 一堆参数，它把 2FA 密码、数据抽取 schema 这些都做成了任务参数。

三个结果合起来说明一件事。Skyvern 的 SDK 是 cloud-first。本地跑要装 skyvern[local] 或 skyvern[all]。而且无论哪条路，跑任务都得有 LLM，因为它靠视觉模型驱动，没模型就没有推理。key 和 LLM 这两道闸，本地绕不过去。

除了 run_task，我还打开 SDK 源码扫了一眼 Skyvern 类的方法。我跑了一遍 dir(Skyvern)，把方法名打印出来，run_task、run_workflow、launch_cloud_browser 都在，光 task 相关的就七八个，每个都带一堆参数。这一步我打开 site-packages 里的 skyvern 目录才看到，不是猜的。看完我才确定，这个库的入口就是一个 Skyvern 类，其余全是它的方法。

本地跑要养一整套

我把 README 的本地部署那节读了一遍，数了数要装多少。pip 这条路是 pip install "skyvern[all]" 加 skyvern quickstart，默认用 SQLite 存 ~/.skyvern/data.db，不要 Postgres 也行。docker 这条路要起 Postgres、API、UI 三个容器。我把 Quickstart 一节从头抄到尾，命令一条条记下来，才敢写这一节。就算装起来，还得在 .env 里配 LLM provider，OpenAI 的 GPT-5.5 到 Gemini 到 Ollama 本地模型都支持。这些我照 README 的清单抄的。

这里有个判断。Skyvern 适合成规模、跨网站的浏览器自动化，尤其表单填写、登录、下载这类 RPA 活儿，它的 WebBench 64.4% 和 WRITE 任务表现是 README 自己标的。你要的是给一个页面点点点、抓几个字段，用 Playwright 直接写反而快，因为它不欠 LLM 一份账。它把易碎的 DOM 脚本换成对 LLM 的依赖，代价是每一步都要烧 token，还要先解决 key。这个权衡得想清楚再上。

一句话。Skyvern 是把浏览器自动化从「写选择器」迁到「喂视觉模型」，但这个迁移的第一道门不是代码，是 LLM key。装 SDK 那一步就该知道，别等写完了才发现跑不动。