首页
/ Skyvern项目v0.1.76版本发布:智能网页自动化能力全面升级

Skyvern项目v0.1.76版本发布:智能网页自动化能力全面升级

2025-06-03 01:57:33作者:苗圣禹Peter

Skyvern是一个基于人工智能的网页自动化工具,它能够模拟人类操作浏览器完成各种网页任务。通过结合计算机视觉和自然语言处理技术,Skyvern可以理解网页内容并执行点击、输入、导航等操作,无需编写复杂的脚本代码。

核心功能改进

1. 增强的计算机视觉理解能力(CUA)

本次版本对计算机视觉理解模块(CUA)进行了多项重要升级:

  • 新增了MoveAction(移动动作)支持,使系统能够更精确地控制鼠标移动和定位
  • 实现了按键组合(KeyPress Combo)功能,可以处理需要同时按下多个键的复杂操作
  • 增加了DragAction(拖拽动作),支持拖放操作场景
  • 优化了OtherAction处理逻辑,能够更好地处理非标准操作
  • 引入了VerificationCodeAction(验证码动作),为验证码处理提供了专门支持

这些改进使得Skyvern能够处理更复杂的网页交互场景,特别是在需要精确控制或特殊操作的页面上表现更出色。

2. 任务生成与数据提取优化

在自动任务生成方面,本版本进行了多项改进:

  • 重构了数据提取目标的生成逻辑,使系统能更准确地理解用户需求
  • 优化了任务生成提示词(prompt),提高了生成任务的质量和准确性
  • 改进了数据提取机制,现在能够结合CUA响应更智能地提取所需信息
  • 增强了系统回答CUA问题的能力,使其在需要决策时能做出更合理的判断

这些改进使得自动生成的任务流程更加符合实际需求,减少了人工调整的工作量。

3. 系统稳定性与性能提升

在系统底层方面,本版本包含多项稳定性改进:

  • 修复了URL编码相关的问题,提高了系统处理特殊字符的能力
  • 解决了截图超时问题,增强了长时间运行任务的稳定性
  • 优化了OpenAI客户端初始化流程,避免潜在的初始化失败
  • 改进了HTTP POST请求的日志记录,便于问题排查
  • 移除了对n8n的依赖,简化了系统架构

技术架构调整

本次版本对系统架构进行了以下调整:

  • 移除了Task V2 API,简化了API结构
  • 重置了skyvern_context处理逻辑,确保任务块执行完毕后正确清理上下文
  • 修复了自动完成(auto completion)相关的bug
  • 增加了对GPT-4.1模型的支持,并修正了相关成本计算
  • 优化了前端动作处理逻辑,与后端能力保持同步

实际应用价值

这些改进使得Skyvern在实际业务场景中表现更加出色:

  1. 复杂表单处理:新增的拖拽和组合键功能可以应对更复杂的表单填写场景
  2. 数据采集:改进的数据提取能力提高了采集准确率和效率
  3. 流程自动化:增强的CUA能力使自动化流程更加稳定可靠
  4. 验证码处理:专门的验证码动作为自动化流程中的验证环节提供了解决方案

v0.1.76版本的发布标志着Skyvern在智能网页自动化领域又向前迈进了一大步,为企业和开发者提供了更强大、更可靠的自动化工具。无论是简单的数据采集还是复杂的业务流程自动化,新版本都能提供更好的支持。

登录后查看全文
热门项目推荐

热门内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
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
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58