Skyvern

الوكيل البصري الذكي يقتحم مضمار الأتمتة: تقرير تجربة Skyvern المتعمقة

في مجال تشغيل المتصفح باستخدام الذكاء الاصطناعي، تثير أداة مفتوحة المصدر تُدعى Skyvern الاهتمام بنهجها التقني الفريد. فهي لا تعتمد على محددات الأكواد البرمجية، بل تفهم صفحات الويب بصريًا بحتًا، وتتعرف على الأزرار والنماذج والنوافذ المنبثقة كما يفعل الإنسان، لتنجز تلقائيًا مهامًا معقدة مثل تقديم مطالبات التأمين وجمع البيانات من المواقع الحكومية وتنفيذ عمليات برمجية متعددة الخطوات. بعد عدة أيام من الاختبار العملي، نقدم هذا التقييم من ثلاثة أبعاد: المزايا الأساسية، والفئات المستهدفة، وتجربة الاستخدام.

المزايا الأساسية: تشغيل بصري، مقاومة للاضطرابات وعبر المنصات

أهم ما يميز Skyvern هو منطق الأتمتة القائم على مبدأ "ما تراه هو ما تحصل عليه". غالبًا ما تعتمد أدوات أتمتة العمليات الروبوتية التقليدية على نموذج كائن المستند (DOM)، فإذا تغير تصميم الصفحة أو تم تحميلها ديناميكيًا، سرعان ما تفشل النصوص البرمجية. أما Skyvern فيستخدم الرؤية الحاسوبية ونماذج لغوية كبيرة لتحليل لقطات شاشة صفحات الويب مباشرة وفهم دلالات الواجهة. وهذا يعني أنه حتى لو تغير تصميم الموقع المستهدف، فسيتمكن الوكيل الذكي من تشغيل أي عنصر طالما يمكن التعرف عليه بالعين البشرية.

• الاستقلال عن الأكواد: لا حاجة لكتابة محددات XPath أو CSS، وتحرر كامل من قيود لغات التوصيف الأساسية. سواء كانت صفحات خدمات حكومية قديمة أو تطبيقات أحادية الصفحة حديثة، يتكيف Skyvern معها.
• معالجة سير العمل المعقد: يمكنه تحليل المهام متعددة الخطوات، مثل استخراج البيانات من عدة جداول وإدخالها في نظام آخر، مع التعامل مع رموز التحقق أو النوافذ المنبثقة لتأكيد الإجراء. قدرته على الاستدلال تسمح له بتحديد ما إذا كانت الخطوة الحالية ناجحة ومحاولة التصحيح الذاتي عند الخطأ.
• المصدر المفتوح والتحكم بالخصوصية: كحل مفتوح المصدر، يمكن للشركات أو الأفراد نشره محليًا، مما يحافظ على البيانات الحساسة داخل النطاق ويحل أكبر مشكلة في الامتثال لخدمات الأتمتة السحابية. المجتمع نشط ويدعم تخصيص نماذج لغوية كبيرة خلفية، مما يوفر مرونة عالية.

الفئات المستهدفة: من المطورين إلى رواد الأعمال دون الحاجة للبرمجة

Skyvern ليست مجرد لعبة تقنية للمهوسين، بل صُممت لتناسب المستخدمين ذوي الخلفيات التقنية المتنوعة.

• مهندسو الأنظمة الخلفية ومطورو الأتمتة: يمكنهم دمجه في خطوط الإنتاج الحالية عبر واجهة برمجة التطبيقات (API) أو حزمة تطوير Python، وإنشاء مجموعات وكلاء أتمتة قابلة للتوسع ببضعة أسطر برمجية. تتيح طبيعة المصدر المفتوح تخصيصًا عميقًا لنماذج الرؤية وخطاطيف المنطق.
• مختصو العمليات وتحليل البيانات: بدون برمجة، يمكنهم وصف سير المهمة باللغة الطبيعية (مثال: "افتح الموقع الرسمي للخطوط الجوية، استعلم عن أسعار تذاكر من بكين إلى شنغهاي ليوم الجمعة القادم وصدرها كجدول")، وسيتولى Skyvern تنفيذها خطوة بخطوة. وهذا يقلص بشكل كبير حاجز حصول رجال الأعمال على البيانات الديناميكية.
• المؤسسات الصغيرة والمتوسطة وفرق العمل الرشيقة: حتى في ظل غياب مطوري أتمتة العمليات الروبوتية المتخصصين، يمكنها نشر مهام الأتمتة بسرعة مثل استعلام الأسعار ورصد المنافسين وتقديم النماذج بالجملة، وتحرير القوى العاملة من الأعمال المتكررة.

تجربة الاستخدام: مساعد ذكي جاهز للاستخدام، لكنه لا يزال يحتاج إلى ضبط بصبر

قمنا بنشر خدمة Skyvern بنقرة واحدة عبر تقنية الحاويات، واستغرقت العملية أقل من خمس دقائق. واجهة الإدارة بسيطة، وما عليك لإنشاء مهمة سوى تحديد عنوان URL الهدف وكتابة التعليمات باللغة الطبيعية. في الاختبار الأول، طلبنا منه تحديث مخزون المنتجات بكميات كبيرة في لوحة إدارة متجر إلكتروني محاكي. فتح الوكيل الذكي الصفحة وتعرف بدقة على نموذج تسجيل الدخول، وأدخل اسم المستخدم وكلمة المرور المعدين مسبقًا بشكل صحيح، وبعد دخوله صفحة المخزون، قام بمسح المنتجات صفًا تلو الآخر، والنقر على تعديل، وتغيير الكمية والحفظ. تم عرض العملية بالكامل بصريًا، وكأنك تشاهد شخصًا خفيًا يشغل الشاشة.

مع ذلك، التجربة العملية ليست مثالية. عندما تحتوي الصفحة على الكثير من الضوضاء البصرية أو أيقونات وأزرار غير مألوفة، يصبح الوكيل الذكي بطيئًا وقد ينقر عن طريق الخطأ على مناطق غير ذات صلة. في السيناريوهات ذات المتطلبات الزمنية الحرجة، يجب حاليًا دمج آلية لإعادة المحاولة. لحسن الحظ، سرعة تكرار المشروع عالية جدًا ويتحسن تكيفه مع النماذج اللغوية الكبيرة باستمرار. في معظم مهام صفحات الويب القياسية، أظهر Skyvern بالفعل إمكانات على المستوى الصناعي.

بشكل عام، يمثل Skyvern تحولًا في نموذج أتمتة المتصفح: من التحليل الهيكلي إلى الفهم البصري الدلالي. بالنسبة للمستكشفين الذين يعانون من صفحات ويب غير منتظمة ويتوقون إلى استبدال العمليات المتكررة بالذكاء الاصطناعي، فإن هذا الوكيل الذكي مفتوح المصدر يستحق التجربة الفورية.