Skyvern 2.0 规划器：从一句话目标到自主编排

30 秒导读： README 说 Skyvern 用「a swarm of agents（一群 agent）」去理解网页、规划并执行——这句话的真身就是本章讲的 task_v2。它不是真有很多进程在跑，而是一个外循环：拿到你一句话的大目标，每一轮先看当前页面，让 LLM 规划「下一步该干的小目标」，把这个小目标当场物化成一个工作流 block（导航 / 提取 / 循环）去执行，再把结果塞回历史、进入下一轮，直到 LLM 判定目标达成或不可能。

本章建立在前面几章之上，只讲新增的那层自治外循环，不重复它们的内部：

感知（把网页变成 LLM 能读的东西）见 01-perception-scraper.md
单步 Agent 循环与动作规划见 02-agent-loop-planning.md
动作如何精确落到真实元素见 03-action-execution.md
Block 如何编排多步骤见 05-workflow-blocks.md

1. 这是什么（零基础也能懂）

一句话定义： task_v2（代码里也叫 observer cruise / Skyvern 2.0）是一个会自己写工作流的 agent——你只给一句话目标，它自己一步步把工作流「生长」出来并执行完。

它和 task_v1 的区别，是本章的核心。 用一句话说清：

task_v1（单任务）： 你给一个明确任务（"在这个页面上填表并提交"），它在固定的 step 循环里把这一件事做完。任务边界是你划的。
task_v2（自主规划）： 你给一个大目标（"帮我在这三家店里比一款笔记本的价格，选最便宜的"），它自己决定要分成哪些小任务、每个小任务是什么类型、按什么顺序做。任务边界是它自己划的。

给谁用 / 解决什么问题： 给那种「一句话说得清、但拆成步骤很烦」的网页活。你不想（也没法）预先画好工作流图，就把大目标丢给它，让它边看边想边做。

用起来什么样： 对外就是一句话 + 可选的起始 URL。

# 示意，非源码：task_v2 对外的最小心智模型
run = skyvern.run_task(
    prompt="在 example-shop 上找到评分最高的三款机械键盘，比较价格，返回最便宜的那款",
    engine="skyvern-2.0",   # 走 task_v2 规划器，而不是 v1 单任务
)
# 剩下的拆解、导航、提取、比较，全由规划器自己完成

一句话直觉： 把它想成一个边走边画流程图的人。他手上只有一句话目标，每走到一个新页面就停下来想「下一格该画什么框」，画完一个框（block）就立刻执行，看结果，再想下一格——而不是像 v1 那样照着一张已经画好的图走。

本节不碰底层。记住一件事就够了：v2 = 在工作流引擎之上，加一层「LLM 动态生成下一个 block」的自治外循环。

2. 顶层全景（它大概怎么转）

2.1 一张图看懂外循环

规划器的心脏是 run_task_v2_helper 里的一个 for i in range(max_iterations) 循环（skyvern/services/task_v2_service.py:744）。每一轮（iteration）都做同样四件事：

                    一句话大目标 (user_prompt)
                            │
                            ▼
        ┌───────────────────────────────────────────┐
        │        每一轮 iteration（最多 50 轮）        │
        │                                             │
        │   ① 观察   抓取当前页面 DOM + 截图           │
        │            (scrape_website)                 │
        │              │                              │
        │              ▼                              │
        │   ② 规划   LLM 读 页面+历史+大目标           │
        │            → 判定 达成? 放弃? 还是            │
        │              下一个 mini goal + task_type    │
        │            (prompt: task_v2.j2)              │
        │              │                              │
        │       达成 ──┴── 放弃                        │
        │        │         │                          │
        │        ▼         ▼          否则继续 ▼        │
        │     summarize  terminate                     │
        │     (完成)     (终止)   ③ 物化               │
        │                        把 mini goal 变成      │
        │                        一个 workflow block    │
        │                        (_generate_*_task)     │
        │                          │                    │
        │                          ▼                    │
        │                     ④ 执行 block              │
        │                        (block.execute_safe)   │
        │                          │                    │
        │                          ▼                    │
        │                     结果写入 task_history      │
        │                     成功则再跑一次完成校验      │
        │                     (task_v2_check_completion) │
        └──────────────────────────┬──────────────────┘
                                   │ 回到 ① 进入下一轮
                                   ▼
              达成 / 放弃 / 超步数 / 超轮数 → 终态

怎么读这张图： 从上往下是一轮的四步「观察 → 规划 → 物化 → 执行」，右边的分叉是三种提前退出（达成、放弃、超预算）。只要没退出，就回到 ① 重新观察，进入下一轮。

2.2 部件一句话职责

部件	干什么	在哪里
`initialize_task_v2`	建空工作流 + workflow run 的壳，把 task_v2 挂上去	`task_v2_service.py:261`
`initialize_task_v2_metadata`	开跑前先让 LLM 推断起始 URL 和工作流标题	`task_v2_service.py:384`
`run_task_v2`	外层入口：铺好 `SkyvernContext`、兜底异常、收尾清理浏览器	`task_v2_service.py:481`
`run_task_v2_helper`	核心主循环：观察→规划→生成→执行，逐轮推进	`task_v2_service.py:604`
`_generate_navigation_task`	把「导航类」mini goal 物化成 `NavigationBlock`	`task_v2_service.py:1725`
`_generate_extraction_task`	把「提取类」mini goal 物化成 `ExtractionBlock`	`task_v2_service.py:1645`
`_generate_loop_task`	把「循环类」mini goal 物化成 `ForLoopBlock`	`task_v2_service.py:1411`
`_generate_goto_url_task`	生成一个纯跳转的 `UrlBlock`（第 0 轮开局用）	`task_v2_service.py:1763`
`handle_block_result`	看 block 执行结果，决定工作流 run 是否要取消 / 刷新状态	`task_v2_service.py:1316`
`mark_task_v2_as_*`	五个终态落库：completed / failed / terminated / canceled / timed_out	`task_v2_service.py:1849`+
`task_v2.j2`	规划 prompt：读页面判定下一步、是否达成、是否放弃	`forge/prompts/skyvern/task_v2.j2`
`task_v2_check_completion.j2`	完成校验 prompt：每次 block 成功后复核大目标是否真达成	`forge/prompts/skyvern/task_v2_check_completion.j2`

2.3 主线走一遍（高层，不进代码）

你给一句话（+ 可选 URL）。initialize_task_v2 建一个空工作流——注意，此刻工作流里一个 block 都没有。
initialize_task_v2_metadata 先让 LLM 猜「该从哪个 URL 开始、这活儿叫什么名字」。
进入主循环。第 0 轮通常先生成一个跳转 block 把浏览器带到起始页。
之后每一轮：抓当前页 → 规划 prompt 吐出「下一个 mini goal + 它是 navigate/extract/loop 中的哪一种」→ 把它物化成对应 block 追加进工作流 → 执行 → 结果进历史。
规划 prompt 哪一轮说「user_goal_achieved=true」，就总结产出、收尾完成；说「should_terminate=true」就判定不可能、终止。
撞到轮数上限或步数上限，则失败收场。

关键认知：工作流是被这个循环一轮一轮「长」出来的，不是预先定义好的。 这就是 v2 相对 v1 的本质增量。

3. 核心原理（逐个机制，由浅入深）

3.1 开局：先建空壳，再让 LLM 补上 URL 和标题

要解决的小问题： 你可能只给了一句话，连从哪个网址开始都没说。得有人把「起点」补出来。

思路： 分两步。initialize_task_v2 先把承载执行的基础设施建好——一个空工作流 + 一次 workflow run（task_v2_service.py:313 的 create_empty_workflow、:323 的 setup_workflow_run）。真正的「起始 URL / 标题」留给 LLM 在 initialize_task_v2_metadata 里推断：

调 task_v2_generate_metadata prompt，喂大目标和当前浏览器 URL；
拿回 url 和 title，装进 TaskV2Metadata（task_v2_service.py:415-422）；
若既没用户给的 URL、LLM 也没推断出，直接抛 UrlGenerationFailure（:416-417）——没有起点就没法跑。

关键细节： 推断结果会回写工作流标题（原来是占位的 "New Workflow"），所以你在 UI 上看到的工作流名，是 LLM 现起的。

3.2 主循环：一轮 = 观察 + 规划 + 物化 + 执行

这是整章的骨架，全在 run_task_v2_helper（task_v2_service.py:604）。循环体 for i in range(max_iterations) 从 :744 开始。拆开看：

① 观察。 每轮开头重新拿浏览器页面并抓取（scrape_website，:840），把 DOM 元素树 + 截图备好。感知细节见 01-perception-scraper.md。

② 规划。 用 load_prompt_with_elements 组装 task_v2 规划 prompt（:859），喂进去的关键料是三样：

current_url：当前在哪
user_goal：一句话大目标
task_history：到目前为止做过的所有小任务及其结果

然后调 LLM（:881），解析出这几个决策字段（:896-903）：

user_goal_achieved   → 大目标是否已经达成
should_terminate     → 是否判定不可能、该放弃
plan                 → 下一个 mini goal 的文字描述
task_type            → 这个 mini goal 属于 navigate / extract / loop 哪种

③ 分派与物化。 按 task_type 走不同分支，把 plan 这段文字变成一个真的 block：

task_type	物化成	生成函数	行
`navigate`	`NavigationBlock`	`_generate_navigation_task`	`:987`
`extract`	`ExtractionBlock`	`_generate_extraction_task`	`:966`
`loop`	`ForLoopBlock`	`_generate_loop_task`	`:1000`

navigate 分支还会用 MINI_GOAL_TEMPLATE 把 mini goal 包进大目标做上下文（:989，模板见 constants.py:92），让底层单步 agent 知道「这一小步是为了哪个大目标」。

④ 追加进工作流并执行。 生成的 block 的 YAML 被 extend 进累积列表，然后整份工作流被重新创建（:1035-1057 的 create_workflow_from_request）——这就是工作流「一轮长一格」的物理动作。接着 block.execute_safe（:1061）真正执行。Block 的执行内部见 05-workflow-blocks.md。

⑤ 回灌历史。 执行结果（状态、失败原因、提取到的数据）打包成 task_history_record 追加进 task_history（:1101）。下一轮规划时，这段历史又会被喂回 prompt——这就是外循环「记得自己做过什么」的机制。

# 示意，非源码：一轮的骨架，对应 run_task_v2_helper
for i in range(max_iterations):
    scraped = scrape(current_page)                    # ① 观察
    plan = llm(task_v2_prompt(scraped, goal, history))# ② 规划
    if plan.user_goal_achieved:  summarize(); break   # 达成→完成
    if plan.should_terminate:    terminate(); return  # 放弃→终止
    block = materialize(plan.task_type, plan.text)    # ③ 物化成 block
    result = block.execute()                          # ④ 执行
    history.append(record(plan, result))              # ⑤ 回灌历史
# 重点看：history 每轮都被喂回 ② 的 prompt，这是自治的关键

3.3 规划 prompt：三种 task_type 与「循环优先」

要解决的小问题： LLM 怎么知道下一步该导航、该提取、还是该开一个循环？

思路： 全写在 task_v2.j2（规划 prompt）里，它给 LLM 定义了三种动作及其分工：

task_type	干什么	边界（prompt 明确划的）
`navigate`	到达正确页面 / 在页面上做操作（填表、点按钮、选项）	不负责抓数据，别把 navigate 写成「…并提取数据」
`extract`	从当前页面抓信息	只抓不导航，页面保持静止
`loop`	对一批同形目标做同一件事（N 个链接、N 行、N 个商品）	广度优先，一个 loop 顶 N 个串行任务

一个关键设计——「循环优先」（task_v2.j2:6-13）。 prompt 反复强调：只要目标是「对多个同形项做同一操作」，就用一个 loop，别拆成 N 个串行的 navigate/extract。原因很实在：串行 N 个会耗尽轮数和步数预算，常常没做完就超预算了；一个 loop 在一步规划里就覆盖全部 N 项。

另一个精妙的反死循环设计（task_v2.j2:46-49）。 prompt 明确告诉 LLM：最终的总结/比较/推荐是达成时自动生成的，没有任何 task 负责写它。所以别去规划「把结果总结一下」这种 extract 任务——extract 只会一遍遍返回页面数据而非综合结论，这是「跑光步数预算」最常见的原因。只要各部分需要的数据都被 extract 抓到了，就该置 user_goal_achieved=true 收尾。

3.4 loop 的物化：最复杂的一支，两次 LLM 调用

要解决的小问题： 生成一个循环，得先知道「循环谁」（哪一批值），再知道「对每个值做什么」。

思路： _generate_loop_task（task_v2_service.py:1411）分两步，各调一次 LLM：

先跑一个提取 block 把「循环值」抓出来。 用 task_v2_loop_task_extraction_goal prompt 生成提取目标，schema 由 _generate_data_extraction_schema_for_loop（:99）固定成 {loop_values: [...], is_loop_value_link: bool}。这个 ExtractionBlock 当场执行（:1465），拿到要迭代的那批值。
再规划「循环体里那一个任务」。 用 task_v2_generate_task_block prompt（:1549）生成循环内任务的 navigation_goal / data_extraction_goal / data_schema，物化成一个 TaskBlock，再包进 ForLoopBlock（:1617-1633）。

关键细节 / 坑：

is_loop_value_link 决定循环体怎么用值：是链接就每轮先跳过去（key 前缀 task_in_loop_url_），不是链接就当参数注入（key target_）。
非链接的参数 key 特意加了随机后缀（:1528-1530），否则一个 run 里多个非链接循环都叫 target，会撞「重复 key」校验。这类 corner case 是踩过坑后补的。

3.5 完成校验：block 成功后再复核一次大目标

要解决的小问题： 规划 prompt 在执行前说「还没达成」，但一个 block 成功执行之后，局面可能已经变了。不能只信执行前的判断。

思路： 每当 block success 为真，主循环会再跑一次独立的完成校验（task_v2_service.py:1123-1230）：重新抓页面截图，喂 task_v2_check_completion prompt，专门问「就凭现在的 task_history + 截图，大目标达成没有 / 是不是不可能」。

这是一个「执行前规划、执行后复核」的双保险：

规划 prompt（task_v2.j2）在轮首判断要不要继续；
完成校验 prompt（task_v2_check_completion.j2）在 block 成功后判断是不是可以收工了。

两个 prompt 都带同一套严格约束：多部分目标必须每一部分都满足才算达成（required_subgoals 逐条核对）；终止要极其保守，必须页面上有明确「不可能」的证据才 should_terminate。

3.6 思考记录：thought / plan 的可观测轨迹

要解决的小问题： 这么多轮 LLM 决策，用户和调试者得能看见它「想了什么」。

思路： 每次 LLM 决策前后，都往数据库写一条 Thought。类型和场景是枚举（schemas/task_v2.py:131 的 ThoughtType、:147 的 ThoughtScenario）：

时机	ThoughtType	ThoughtScenario
规划下一步	`plan`	`generate_plan`
推断 URL/标题	`metadata`	`generate_metadata`
完成校验	`user_goal_check`	`user_goal_check`
抽取循环值	`plan`	`extract_loop_values`
生成循环内任务	`internal_plan`	`generate_task_in_loop`
终止	`termination`	`termination`
总结产出	`user_goal_check`	`summarization`

规划那条 thought 在 LLM 返回后被 update_thought 填上 thoughts（推理）、observation（页面观察）、answer（plan 文本）和结构化 output（task_v2_service.py:905-917）。UI 时间线就是读这些 thought 渲染出来的（get_thought_timelines，:1791）。

4. 深入实现（要读源码的人看这里）

4.1 两条预算线：轮数 vs 步数

v2 有两个独立的预算，任一耗尽都失败，别混淆：

预算	含义	默认 / 来源	检查点
`max_iterations`	规划轮数：外循环最多转几圈	`DEFAULT_MAX_ITERATIONS = 50`（`task_v2_service.py:89`）	`for i in range(max_iterations)`（`:744`）；跑满走 `for...else`（`:1278`）
`max_steps`	总步数：所有生成的 block 里累计的底层 step 数	`settings.MAX_STEPS_PER_TASK_V2`（`:738`）	每轮末尾累加校验（`:1232-1238`）

_resolve_max_iterations（:587）有个防退化设计：外部传入的 override 会和历史下限 DEFAULT_MAX_ITERATIONS 取 max，保证老工作流不会因为存了更小的旧默认值而倒退。

踩坑提示： 「规划得很聪明但每步很慢」会先撞 max_steps；「每步很快但方向乱兜圈」会先撞 max_iterations。两种失败的 failure_category_path 不同（v2_max_steps vs v2_max_iterations，:1263/:1300），排障时看这个标签能快速定位是哪条预算爆的。

4.2 五个终态

所有收场都归到一组 mark_task_v2_as_*（task_v2_service.py:1849+），它们都走同一个 _update_task_v2_status（:1815）落库、记时长指标、发 webhook：

终态函数	触发场景	行
`mark_task_v2_as_completed`	`user_goal_achieved=true`，总结后完成	`:1880`
`mark_task_v2_as_terminated`	LLM 判定目标不可能（规划或完成校验任一）	`:1924`
`mark_task_v2_as_failed`	无 task_type / 生成 block 失败 / 超步数 / 超轮数	`:1849`
`mark_task_v2_as_canceled`	工作流 run 被取消	`:1904`
`mark_task_v2_as_timed_out`	超时	`:1951`

达成收尾走 _summarize_task_v2（:2244）→ task_v2_summary prompt 综合整段 task_history 产出最终交付物；失败也尽力产一份「部分结果」（_best_effort_failure_deliverable，:2217，永不抛异常，绝不干扰终态处理）。

4.3 navigate 的终端输出兜底（一个精细的容错）

navigate block 本该只导航，但有时底层 agent 的收尾 COMPLETE 动作里带了答案。主循环有段兜底：当 navigate 成功、但 extracted_information 为 null 时，去它的 COMPLETE 动作里捞回终端输出（_get_navigate_complete_output，:2054）。

这里有两个刻意的容错边界：

字符串输出超过 NAVIGATE_TERMINAL_OUTPUT_MAX_CHARS（2000）就截断（:2087）——因为 task_history 每轮都回灌 prompt，无界文本会撑爆上下文。
结构化输出（dict/list）没法安全截断，超过 10 倍上限就整个丢弃（:2101-2110），逼规划器另开一个 extract 任务，而不是塞一坨脏数据进历史。

5. 巧妙之处（可借鉴的技术）

工作流「生长」而非「预定义」。 每轮把新 block 追加后整份重建工作流（:1035-1057），让「动态规划」复用了「静态工作流引擎」的全部执行能力——规划器不必自己实现执行，只管生成 block。这是 v2 复用 ch05 的核心手法。
执行前规划 + 执行后复核双 prompt。 task_v2.j2 管「下一步」、task_v2_check_completion.j2 管「收工没」，两次独立判断避免「以为做完了其实没做完」。
prompt 层面的反死循环工程。 「循环优先」和「最终答案在收尾自动合成、别用 task 去写总结」两条规则（task_v2.j2:6-13、:46-49），直接从设计上堵死了最常见的两种「跑光预算」死法。这是把踩过的坑固化进 prompt 的典范。
历史回灌 = 无状态循环的记忆。 每轮把 task_history 喂回 prompt，让本质无状态的 LLM 调用具备了「记得做过什么」的连续性，同时用字符/结构化上限守住上下文不膨胀。

6. 边界与局限

强依赖 LLM 判断力。 拆解质量、是否用 loop、何时收工，全押在规划 prompt 的输出上。方向判断错了，就在预算内空转到失败。
两条预算是硬墙。 复杂目标很容易撞 max_steps 或 max_iterations（默认 50 轮）。prompt 里反复劝用 loop、别拿 task 写总结，本质都是在省预算。
终止极度保守。 两个 prompt 都要求「必须有页面上明确的不可能证据」才 terminate，好处是不轻易放弃，代价是真正不可能的目标也可能兜到超预算才失败。
loop 依赖「循环值」抽得准。 _generate_loop_task 第一步的提取 block 若抓错/抓空那批值，整个循环就跑偏，且该失败在上层才被 mark（:1470-1476）。

7. 横向对比：task_v1 vs task_v2

同一个仓库里两代任务模型，取舍鲜明：

维度	task_v1（单任务）	task_v2（自主规划）
入口	`run_task`（`task_v1_service.py:79`）	`run_task_v2`（`task_v2_service.py:481`）
输入	一个明确任务 + 目标 URL	一句话大目标（URL 可省，LLM 推断）
循环	固定单任务，交给 executor 跑底层 step 循环（`AsyncExecutorFactory...execute_task`，`task_v1_service.py:115`）	动态外循环，每轮 LLM 现规划下一个 block（`run_task_v2_helper`，`:744`）
谁划任务边界	用户	规划器自己
产物	执行一个任务	边跑边「长」出一整个工作流
适用	边界清晰的单步活	需要多步拆解、事先画不出流程图的活

一句话： v1 是「照着你给的一张图走」，v2 是「你只给一句话，它边走边把图画出来」。v2 并不取代 v1——它在 v1/ch05 提供的感知、决策、执行、block 之上，只加了「LLM 动态生成下一个 block」这一层自治外循环。这就是 README 所谓「swarm of agents（一群 agent）」的工程真身（README.md:39）。

工程家族里 DOM 规划器与计算机使用（CUA）两种引擎的取舍见 04-engines-cua.md；task_v2 生成的 navigate block 底层可落到任一引擎执行。

8. 代码地图（导航索引）

主题	文件	符号
建空工作流壳	`skyvern/services/task_v2_service.py`	`initialize_task_v2`
推断起始 URL/标题	`skyvern/services/task_v2_service.py`	`initialize_task_v2_metadata`
外层入口 / 上下文 / 收尾	`skyvern/services/task_v2_service.py`	`run_task_v2`
核心主循环	`skyvern/services/task_v2_service.py`	`run_task_v2_helper`
轮数预算解析	`skyvern/services/task_v2_service.py`	`_resolve_max_iterations`、`DEFAULT_MAX_ITERATIONS`
物化导航 block	`skyvern/services/task_v2_service.py`	`_generate_navigation_task`
物化提取 block	`skyvern/services/task_v2_service.py`	`_generate_extraction_task`
物化循环 block（两次 LLM）	`skyvern/services/task_v2_service.py`	`_generate_loop_task`、`_generate_data_extraction_schema_for_loop`
开局跳转 block	`skyvern/services/task_v2_service.py`	`_generate_goto_url_task`
block 结果处理	`skyvern/services/task_v2_service.py`	`handle_block_result`
navigate 终端输出兜底	`skyvern/services/task_v2_service.py`	`_get_navigate_complete_output`
终态落库（×5）	`skyvern/services/task_v2_service.py`	`mark_task_v2_as_completed/failed/terminated/canceled/timed_out`
达成总结产出	`skyvern/services/task_v2_service.py`	`_summarize_task_v2`、`_best_effort_failure_deliverable`
思考类型枚举	`skyvern/forge/sdk/schemas/task_v2.py`	`ThoughtType`、`ThoughtScenario`
规划 prompt	`skyvern/forge/prompts/skyvern/task_v2.j2`	navigate/extract/loop 定义、循环优先、反死循环
完成校验 prompt	`skyvern/forge/prompts/skyvern/task_v2_check_completion.j2`	`required_subgoals`、保守终止
循环内任务生成 prompt	`skyvern/forge/prompts/skyvern/task_v2_generate_task_block.j2`	navigation_goal / data_extraction_goal / schema
提取 schema 生成 prompt	`skyvern/forge/prompts/skyvern/task_v2_generate_extraction_task.j2`	schema
mini goal 模板	`skyvern/constants.py`	`MINI_GOAL_TEMPLATE`
v1 单任务入口（对比）	`skyvern/services/task_v1_service.py`	`run_task`

1. 这是什么（零基础也能懂）​

2. 顶层全景（它大概怎么转）​

2.1 一张图看懂外循环​

2.2 部件一句话职责​

2.3 主线走一遍（高层，不进代码）​

3. 核心原理（逐个机制，由浅入深）​

3.1 开局：先建空壳，再让 LLM 补上 URL 和标题​

3.2 主循环：一轮 = 观察 + 规划 + 物化 + 执行​

3.3 规划 prompt：三种 task_type 与「循环优先」​

3.4 loop 的物化：最复杂的一支，两次 LLM 调用​

3.5 完成校验：block 成功后再复核一次大目标​

3.6 思考记录：thought / plan 的可观测轨迹​

4. 深入实现（要读源码的人看这里）​

4.1 两条预算线：轮数 vs 步数​

4.2 五个终态​

4.3 navigate 的终端输出兜底（一个精细的容错）​

5. 巧妙之处（可借鉴的技术）​

6. 边界与局限​

7. 横向对比：task_v1 vs task_v2​

8. 代码地图（导航索引）​