MidScene v0.11.0 发布:Web内容提取优化与UI-TARS模型缓存能力增强
2025-06-07 16:55:42作者:农烁颖Land
MidScene 是一个专注于Web自动化测试和交互的开源项目,它提供了强大的工具链来进行用户操作、提取网页内容以及进行智能化的UI测试。该项目通过整合多种技术栈,为开发者提供了高效、可靠的Web自动化解决方案。
Web内容树形提取功能
在v0.11.0版本中,MidScene引入了一项重要的新特性——Web内容树形提取能力。这项功能彻底改变了传统平面化的内容提取方式,将网页内容组织为结构化的树形表示。
技术实现解析
传统的Web内容提取往往将页面元素扁平化处理,丢失了DOM原有的层级关系。MidScene的新方法通过以下方式实现了更智能的提取:
- DOM结构分析:深度解析页面DOM树,保留原始层级关系
- 语义化分组:将相关UI元素智能聚合,形成有意义的子树
- 上下文感知:识别元素间的逻辑关联,构建更准确的树形结构
这种树形表示不仅更接近人类对网页的认知方式,也为后续的自动化操作提供了更丰富的上下文信息。
UI-TARS模型缓存机制
性能优化是v0.11.0版本的另一个重点。新引入的UI-TARS模型缓存能力显著提升了测试执行效率。
缓存工作原理
UI-TARS(UI Testing and Recording System)模型的缓存机制通过以下方式工作:
- 缓存标识:每个测试场景可通过
cacheId
参数指定唯一标识 - 智能存储:自动缓存模型计算中间结果和特征数据
- 条件复用:在相同测试场景下复用缓存,避免重复计算
性能提升效果
实际测试表明,启用缓存后,典型测试场景的执行时间从1分16秒大幅降低到23秒,性能提升约70%。这种优化对于大型测试套件和持续集成环境尤为重要。
其他改进与修复
可视化增强
新版本改进了标注系统的视觉效果:
- 采用差异化颜色方案区分不同类型的标注
- 增强视觉对比度,提升可读性
- 优化标注布局算法,减少重叠
网络等待稳定性
改进了waitForNetworkIdle
方法的实现:
- 引入更健壮的超时处理机制
- 优化网络活动检测算法
- 减少误判和假阳性情况
键盘事件修复
解决了Page Up/Page Down等键盘事件的处理问题:
- 修复事件传递机制
- 确保按键事件能正确触发页面滚动
- 优化事件与UI更新的同步
开发者体验优化
v0.11.0版本还包含多项提升开发者体验的改进:
- 增强的错误信息和调试支持
- 端到端测试流程优化
- 文档搜索功能增强
这些改进使得MidScene在保持强大功能的同时,更加易用和可靠。
总结
MidScene v0.11.0通过引入Web内容树形提取和UI-TARS模型缓存两大核心功能,显著提升了Web自动化测试的能力和效率。这些改进不仅解决了实际开发中的痛点,也为更复杂的测试场景奠定了基础。对于需要进行大规模Web自动化测试的团队来说,这个版本值得重点关注和升级。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
504
42

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70