BrowserBase Stagehand v1.14.0 版本技术解析:性能优化与新模型支持
BrowserBase Stagehand 是一个专注于网页自动化与智能交互的JavaScript库,它通过结合DOM操作与大型语言模型(LLM)的能力,为开发者提供了强大的网页内容提取与自动化操作工具。最新发布的v1.14.0版本带来了一系列重要改进,特别是在性能优化、模型支持扩展和功能增强方面。
核心性能优化
本次版本最显著的改进之一是act()
函数的底层重构。现在,act()
可以选择性地使用observe()
作为其底层实现,这一改变带来了显著的性能提升。开发者可以通过设置slowDomBasedAct: false
来启用这一优化路径。
对于DOM处理任务,新版本引入了超时控制机制。开发者现在可以通过timeoutMs
参数为基于DOM的act()
操作设置超时,或者在Stagehand配置中全局设置actTimeoutMs
参数,这为长时间运行的操作提供了更好的控制能力。
精准内容提取增强
textExtract
功能得到了重要升级,现在支持通过XPath选择器进行目标内容提取。这一改进允许开发者精确指定需要处理的DOM元素范围,不仅减少了处理的数据量,还降低了token消耗并提高了处理速度。例如,在提取天气预报数据时,可以精确定位到包含天气信息的表格区域,避免处理整个页面内容。
新增的无参数extract()
调用方式提供了获取网页完整文本表示的确定性方法,为需要完整页面内容分析的使用场景提供了便利。
扩展的模型支持
v1.14.0版本显著扩展了支持的LLM模型范围:
-
新增了对
gpt-4.5-preview
和claude-3-7-sonnet-latest
模型的支持,为开发者提供了更多先进的模型选择。 -
引入了Cerebras LLM原生支持,包括
cerebras-llama-3.3-70b
和cerebras-llama-3.1-8b
模型,只需设置CEREBRAS_API_KEY
环境变量即可使用。 -
新增了Groq LLM支持,包括
groq-llama-3.3-70b-versatile
和groq-llama-3.3-70b-specdec
模型,同样需要配置GROQ_API_KEY
环境变量。
这些新模型的加入大大扩展了Stagehand在不同场景下的适用性和灵活性。
稳定性与兼容性改进
-
修复了
actHandler
的5秒超时问题,提高了长时间操作的可靠性。 -
增强了多页面支持,改进了上下文管理机制,使Stagehand能够更好地处理涉及多个页面的复杂场景。
-
改进了
act
到observe
管道的向后兼容性,确保现有代码能够平滑过渡。 -
修复了目标内容提取中的滚动和分块问题,提高了内容提取的准确性。
-
增强了会话管理,妥善处理了尝试关闭已关闭会话的情况。
-
改进了错误处理,当从"not-supported"的ObserveResult执行
act
时,现在会抛出信息更明确的错误。
技术实现细节
在底层实现上,v1.14.0版本对DOM处理流程进行了多项优化:
-
动态调整块大小机制确保了大页面内容的高效处理。
-
改进了
processAllOfDom
对动态内容的处理能力,确保能够正确滚动到页面底部。 -
增强了对XPath选择器的兼容性,现在支持带或不带"xpath="前缀的XPath表达式。
-
完善了资源清理机制,在进程退出时正确调用
end()
方法。
这些改进共同提升了Stagehand在处理复杂网页时的稳定性和效率,使其成为网页自动化与内容提取领域更加强大的工具。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++045Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0288Hunyuan3D-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00GOT-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
项目优选









