首页
/ BrowserBase Stagehand v1.14.0 版本技术解析:性能优化与新模型支持

BrowserBase Stagehand v1.14.0 版本技术解析:性能优化与新模型支持

2025-06-04 01:52:38作者:齐冠琰

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:

  1. 新增了对gpt-4.5-previewclaude-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。

  2. 引入了Cerebras LLM原生支持,包括cerebras-llama-3.3-70bcerebras-llama-3.1-8b模型,只需设置CEREBRAS_API_KEY环境变量即可使用。

  3. 新增了Groq LLM支持,包括groq-llama-3.3-70b-versatilegroq-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

  1. 修复了actHandler的5秒超时问题,提高了长时间操作的可靠性。

  2. 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。

  3. 改进了actobserve管道的向后兼容性,确保现有代码能够平滑过渡。

  4. 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。

  5. 增强了会话管理,妥善处理了尝试关闭已关闭会话的情况。

  6. 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:

  1. 动态调整块大小机制确保了大页面内容的高效处理。

  2. 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。

  3. 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。

  4. 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。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K
nop-entropynop-entropy
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
RuoYi-Vue3RuoYi-Vue3
🎉 (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
954
563
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
408
387
金融AI编程实战金融AI编程实战
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
78
71
rainbondrainbond
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
14
1