Skyvern项目v0.1.76版本发布：智能网页自动化能力全面升级

Skyvern是一个基于人工智能的网页自动化工具，它能够模拟人类操作浏览器完成各种网页任务。通过结合计算机视觉和自然语言处理技术，Skyvern可以理解网页内容并执行点击、输入、导航等操作，无需编写复杂的脚本代码。

核心功能改进

1. 增强的计算机视觉理解能力(CUA)

本次版本对计算机视觉理解模块(CUA)进行了多项重要升级：

• 新增了MoveAction(移动动作)支持，使系统能够更精确地控制鼠标移动和定位
• 实现了按键组合(KeyPress Combo)功能，可以处理需要同时按下多个键的复杂操作
• 增加了DragAction(拖拽动作)，支持拖放操作场景
• 优化了OtherAction处理逻辑，能够更好地处理非标准操作
• 引入了VerificationCodeAction(验证码动作)，为验证码处理提供了专门支持

这些改进使得Skyvern能够处理更复杂的网页交互场景，特别是在需要精确控制或特殊操作的页面上表现更出色。

2. 任务生成与数据提取优化

在自动任务生成方面，本版本进行了多项改进：

• 重构了数据提取目标的生成逻辑，使系统能更准确地理解用户需求
• 优化了任务生成提示词(prompt)，提高了生成任务的质量和准确性
• 改进了数据提取机制，现在能够结合CUA响应更智能地提取所需信息
• 增强了系统回答CUA问题的能力，使其在需要决策时能做出更合理的判断

这些改进使得自动生成的任务流程更加符合实际需求，减少了人工调整的工作量。

3. 系统稳定性与性能提升

在系统底层方面，本版本包含多项稳定性改进：

• 修复了URL编码相关的问题，提高了系统处理特殊字符的能力
• 解决了截图超时问题，增强了长时间运行任务的稳定性
• 优化了OpenAI客户端初始化流程，避免潜在的初始化失败
• 改进了HTTP POST请求的日志记录，便于问题排查
• 移除了对n8n的依赖，简化了系统架构

技术架构调整

本次版本对系统架构进行了以下调整：

• 移除了Task V2 API，简化了API结构
• 重置了skyvern_context处理逻辑，确保任务块执行完毕后正确清理上下文
• 修复了自动完成(auto completion)相关的bug
• 增加了对GPT-4.1模型的支持，并修正了相关成本计算
• 优化了前端动作处理逻辑，与后端能力保持同步

实际应用价值

这些改进使得Skyvern在实际业务场景中表现更加出色：

1. 复杂表单处理：新增的拖拽和组合键功能可以应对更复杂的表单填写场景
2. 数据采集：改进的数据提取能力提高了采集准确率和效率
3. 流程自动化：增强的CUA能力使自动化流程更加稳定可靠
4. 验证码处理：专门的验证码动作为自动化流程中的验证环节提供了解决方案

v0.1.76版本的发布标志着Skyvern在智能网页自动化领域又向前迈进了一大步，为企业和开发者提供了更强大、更可靠的自动化工具。无论是简单的数据采集还是复杂的业务流程自动化，新版本都能提供更好的支持。