MaaFramework 3.0.4版本发布:自动化助手框架的重大更新
MaaFramework是一个开源的自动化助手框架,主要用于游戏自动化操作。它提供了丰富的API和工具,让开发者能够轻松构建各种自动化任务流程。本次发布的3.0.4版本是该框架的一个重要里程碑,包含了多项功能改进和问题修复。
核心变更与功能增强
术语统一与API重构
在3.0.0版本中,开发团队对框架的API进行了重大重构,基于统一的术语规范对接口进行了重命名。这一变更虽然带来了破坏性修改,但为框架的长期发展奠定了更坚实的基础。新的命名规范更加清晰一致,有助于开发者更好地理解和使用API。
目标偏移计算优化
框架改进了目标偏移(target_offset)的计算逻辑,修复了之前版本中存在的计算错误。这一改进使得自动化操作中的目标定位更加精准,特别是在处理界面元素时能够更准确地识别和点击目标位置。
自定义识别与操作增强
3.0.2版本引入了自定义识别(custom_recognition)和自定义操作(custom_action)的装饰器API。这一功能扩展为开发者提供了更大的灵活性,允许他们实现更复杂的识别逻辑和自定义操作流程,满足各种特殊场景的需求。
问题修复与稳定性提升
冻结等待超时修复
3.0.4版本修复了wait_freezes超时不生效的问题。这一修复确保了在等待界面冻结状态时能够正确应用超时设置,避免了可能的无限等待情况,提高了框架的可靠性。
管道解析完善
修复了ColorMatch管道解析缺失的问题,确保了颜色匹配功能在管道配置中的正确解析和执行。这一改进使得基于颜色的识别操作更加稳定可靠。
命令行工具改进
增强了命令行工具的处理逻辑,当检测到EOF(文件结束符)时会自动中止执行。这一改进提升了命令行工具的健壮性,避免了在异常情况下的不可预期行为。
文档与最佳实践
开发团队持续完善了框架的文档体系,新增了最佳实践指南,特别是针对MaaAshEchoes的使用案例。同时统一了Pipeline图标的风格,使文档更加专业一致。调试部分新增了VSCode插件的介绍,为开发者提供了更便捷的调试工具选择。
跨平台支持
MaaFramework继续保持对多平台的全面支持,包括:
- Android (aarch64/x86_64)
- Linux (aarch64/x86_64)
- macOS (aarch64/x86_64)
- Windows (aarch64/x86_64)
每个平台都提供了预编译的二进制包,开发者可以轻松获取并使用。
总结
MaaFramework 3.0.4版本的发布标志着该自动化助手框架在稳定性、功能性和易用性方面都达到了新的高度。从API的重构统一到具体功能的优化完善,再到文档的持续改进,开发团队展现了对项目质量的严格要求。这些改进不仅提升了现有功能的可靠性,也为未来的功能扩展奠定了良好基础。对于自动化任务开发者和游戏辅助工具开发者而言,这个版本无疑是一个值得升级的选择。
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