Puppeteer核心库v24.8.0发布:新增浏览器扩展管理能力
项目简介
Puppeteer是一个由Google Chrome团队维护的Node.js库,它提供了一套高级API来控制Chromium或Chrome浏览器。通过Puppeteer,开发者可以自动化完成网页截图、PDF生成、表单提交、UI测试等浏览器操作。Puppeteer-core是Puppeteer的核心模块,不包含浏览器下载功能,适合需要自定义浏览器环境的场景。
版本亮点
最新发布的Puppeteer-core v24.8.0版本带来了几项重要更新,特别是在浏览器扩展管理方面有了显著增强。
浏览器扩展管理功能
-
enableExtensions启动选项
新版本新增了enableExtensions启动选项,允许开发者在启动浏览器时直接启用扩展功能。这个布尔值选项为扩展管理提供了基础支持。 -
installExtension/uninstallExtension方法
Browser类新增了两个关键方法:installExtension:用于安装浏览器扩展uninstallExtension:用于卸载已安装的扩展
这些新增功能为自动化测试中需要验证扩展行为的场景提供了官方支持,开发者现在可以更灵活地控制扩展的安装和卸载过程。
浏览器引擎更新
-
Chromium升级至136.0.7103.49
内置的Chromium浏览器引擎更新到了136版本,带来了最新的浏览器特性和安全修复。 -
Firefox升级至138.0.1
对Firefox的支持也同步更新到了138.0.1版本,修复了之前版本中存在的问题。
技术细节与改进
流传输错误处理优化
新版本改进了PipeTransport中的可写流错误处理机制。现在当管道传输过程中发生错误时,系统能够更可靠地捕获和处理这些异常,提高了自动化脚本的稳定性。
依赖项更新
底层依赖的@puppeteer/browsers包从2.10.2升级到了2.10.3版本,包含了浏览器管理相关的基础功能改进。
应用场景
这些更新特别适合以下开发场景:
- 浏览器扩展测试:现在可以自动化测试扩展的安装、卸载和功能验证
- 多扩展环境测试:验证不同扩展组合下的网页行为
- 浏览器兼容性测试:利用最新版浏览器引擎测试网页兼容性
升级建议
对于正在使用Puppeteer进行浏览器自动化测试的团队,建议评估新版本中的扩展管理功能是否能简化现有测试流程。特别是那些需要测试浏览器扩展交互的项目,这些新API将大大减少自定义实现的工作量。
升级时需要注意检查现有代码是否依赖特定浏览器版本的行为,因为新版浏览器引擎可能会引入细微的行为变化。
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-1.5暂无简介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
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
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