Ferrum v0.17 版本发布:浏览器自动化工具的重要升级
Ferrum 是一个基于 Chrome DevTools Protocol (CDP) 的高性能 Ruby 浏览器自动化工具,它提供了简洁的 API 来控制无头浏览器。与 Selenium 等传统工具相比,Ferrum 更加轻量级且直接与浏览器通信,特别适合现代 Web 应用测试和爬虫开发。
核心功能增强
网络请求追踪能力提升
新版本在网络请求追踪方面做了多项改进:
-
Blob 请求识别:新增的
blob?方法可以判断网络交换是否为 blob 类型请求,解决了之前版本中无法识别这类特殊请求的问题。 -
请求头信息增强:通过整合
Network.requestWillBeSentExtraInfo事件,现在可以获取更完整的请求头信息,这对于需要精确追踪 HTTP 请求的场景特别有用。 -
未知状态处理:新增
unknown方法用于识别处于未知状态的网络交换,配合改进后的finished?方法,能更准确地判断请求是否完成,特别是在页面跳转后。
浏览器控制功能扩展
-
事件订阅管理:新增
Page#off方法提供了取消订阅 CDP 事件的能力,完善了事件管理机制。 -
滚动操作增强:除了现有的
scroll_to方法,新增的scroll_by提供了相对滚动的能力,使页面滚动控制更加灵活。 -
无痕模式控制:现在可以通过
incognito: false参数选择是否创建无痕浏览会话,为不同测试场景提供了更多选择。
开发者工具集成
新版本引入了 Browser#debug 方法,可以直接在浏览器开发者工具中打开无头会话,这大大简化了调试过程。开发者可以像调试普通网页一样查看和调试自动化测试中的页面状态。
框架与元素操作改进
-
框架关系查询:新增的
Frame#parent和Frame#frame_element方法可以查询 iframe 的父子关系和嵌入元素,为处理复杂页面结构提供了便利。 -
屏幕录制功能:通过
start_screencast和stop_screencast方法,现在可以录制浏览器操作过程,这对于创建演示或记录测试过程非常有用。
兼容性与稳定性优化
-
移除过时的 headless 模式:随着 Chrome 的更新,"new" headless 模式已成为默认选项,因此移除了这一冗余配置。
-
鼠标事件修复:修正了鼠标事件按钮属性的设置问题,使模拟点击操作更加准确。
-
迭代安全增强:修复了在哈希迭代过程中添加新键可能导致的错误,提高了代码稳定性。
-
空页面处理:优化了在空页面情况下调用 DOM 方法的健壮性,避免了潜在错误。
总结
Ferrum v0.17 版本在网络追踪、浏览器控制、框架操作等方面都有显著提升,特别是对开发者调试体验的改善和对复杂网络请求的处理能力。这些改进使得 Ferrum 在浏览器自动化测试和网页爬虫开发领域更具竞争力,为 Ruby 开发者提供了更强大、更稳定的工具选择。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00