MidScene v0.14.0 发布:Android 代码迁移与 AI 接口优化
MidScene 是一个专注于移动端 UI 自动化测试和智能交互的开源项目。它通过结合计算机视觉和机器学习技术,为开发者提供了一套高效、智能的 UI 测试和交互解决方案。在最新发布的 v0.14.0 版本中,项目团队带来了多项重要更新和改进。
Android 代码迁移与重构
本次版本最显著的变化之一是 Android 相关代码的迁移和重构。开发团队将 Android 代码迁移到了专门的 @midscene/android 包中,这种模块化的设计使得代码结构更加清晰,便于维护和扩展。
同时,团队还对 Android API 进行了重构优化,提升了接口的易用性和一致性。这种重构不仅改善了开发体验,也为后续的功能扩展打下了良好的基础。
AI 交互接口优化
MidScene 的核心优势之一是其强大的 AI 交互能力,本次更新在这方面做了多项改进:
-
接口风格统一:现在可以使用 aiTap(prompt, opt) 这种更简洁直观的接口风格来进行 AI 驱动的交互操作,降低了学习成本。
-
上下文支持:aiAction 接口现在支持设置上下文,这使得 AI 能够更好地理解当前的操作环境和意图,从而做出更准确的响应。
-
深度思考接口更新:deepThink 接口也得到了更新,增强了 AI 的分析和决策能力。
调试与统计功能增强
为了方便开发者调试和分析测试过程,新版本增加了统计信息打印功能。在调试模式下,系统会自动输出各种有用的统计信息,帮助开发者快速定位问题和优化测试流程。
报告系统优化
报告系统是本版本的另一个重点改进领域:
-
可视化优化:移除了不必要的可视化逻辑,使报告更加简洁高效。
-
扩展逻辑重构:优化了扩展机制,提高了灵活性和可维护性。
-
日志输出改进:在 Node 环境下,现在使用日志文件输出替代了命令行输出,便于长期保存和分析。
其他改进
- 解决了截图权限问题,现在即使应用不允许截图,系统也能强制获取必要的屏幕信息。
- 修复了报告脚本错误,提高了稳定性。
- 优化了 CI 测试流程,确保自动化测试的可靠性。
总结
MidScene v0.14.0 通过 Android 代码迁移、AI 接口优化和报告系统改进,进一步提升了项目的实用性和开发体验。这些变化不仅增强了现有功能,也为未来的发展奠定了更好的基础。对于需要进行移动端 UI 自动化测试和智能交互开发的团队来说,这个版本值得关注和升级。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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