Skyvern项目v0.1.57版本发布:浏览器自动化与任务缓存优化
Skyvern是一个基于AI的浏览器自动化框架,它能够模拟人类操作浏览器完成各种任务。该项目通过结合计算机视觉和自然语言处理技术,实现了智能化的网页交互能力。最新发布的v0.1.57版本带来了一系列重要改进,特别是在任务缓存机制和浏览器状态管理方面。
任务缓存机制的全面增强
本次版本对任务缓存系统进行了多项优化。首先引入了任务运行(task_run)的缓存功能,使得重复执行相同任务时可以复用之前的结果。在实现上,系统现在会缓存完整的任务运行记录,包括所有步骤和操作细节。
一个重要的改进是对于缓存动作的验证处理。系统现在能够智能识别哪些动作需要重新验证,哪些可以直接复用缓存结果。特别是对于输入文本动作,当检测到文本内容为空时,系统会自动忽略这类缓存动作,避免执行无效操作。
终止动作(TerminateAction)的处理也得到了优化。系统现在能够正确识别终止动作不应被重放执行,同时引入了专门的单次点击代理处理机制(SINGLE_CLICK_AGENT_LLM_API_HANDLER),提高了点击操作的准确性。
浏览器状态管理与持久化
在浏览器状态管理方面,v0.1.57版本做了重要架构调整。将浏览器状态获取(get_browser_state)改为异步操作,提高了系统响应速度。同时实现了持久化浏览器会话管理功能,可以按ID获取特定的持久化浏览器会话。
新版本还优化了浏览器生命周期管理策略。在执行任务时,系统不再自动关闭浏览器,而是保持会话状态,这对于需要连续执行多个相关任务的场景特别有用,减少了重复初始化的开销。
安全与凭证管理
安全方面,本次更新增加了凭证管理功能。系统现在提供了完整的凭证表结构和CRUD(创建、读取、更新、删除)接口,支持对各种凭证的安全存储和管理。同时集成了密码管理服务,并将其改造为异步操作模式,提高了系统整体性能。
对于双因素认证场景,系统现在能够在检测不到TOTP代码时自动触发终止动作,提高了安全性和异常处理能力。
用户体验与界面改进
在前端展示方面,v0.1.57版本修复了历史表格中的多项显示问题。包括解决了加载骨架在历史表格中出现顺序错乱的问题,修正了任务运行行中的数值溢出问题,优化了表格布局和数据显示。
系统现在能够正确区分主任务和子任务运行记录,在/runs历史页面中不再显示子任务运行记录,使界面更加清晰。同时改进了工作流运行查询的分页处理,确保数据加载更加稳定可靠。
新功能与集成
本次版本还引入了LlamaIndex支持,为系统增加了新的AI能力。同时新增了联系人表单代理的蓝图模板,方便开发者快速实现相关功能。
在参数处理方面,系统现在将MissingValueForParameter错误明确归类为400错误,使API响应更加规范。同时更新了用户详情查询逻辑,提高了数据获取效率。
总体而言,Skyvern v0.1.57版本在性能、稳定性和用户体验方面都有显著提升,特别是任务缓存和浏览器状态管理方面的改进,为构建更复杂的自动化流程打下了坚实基础。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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