Skyvern项目v0.1.83版本发布:自动化Web操作能力全面升级
Skyvern是一个专注于Web自动化操作的AI项目,它通过智能化的方式模拟人类在浏览器中的交互行为,实现各种网页任务的自动化执行。该项目结合了计算机视觉、自然语言处理和浏览器自动化技术,为用户提供了一个强大的工具来自动化处理复杂的Web工作流程。
核心功能增强
浏览器会话管理优化
本次版本对持久化浏览器会话功能进行了多项重要改进:
-
会话超时控制:新增了浏览器会话请求的超时机制,有效防止长时间无响应的情况。同时将会话超时设置为可选字段,提升了使用的灵活性。
-
会话状态追踪:在持久化浏览器会话表中添加了started_at和completed_at时间戳字段,便于精确追踪会话的生命周期。
-
性能优化:为runnable_id字段添加了索引,显著提高了查询效率,特别是在处理大量会话数据时。
元素定位与交互增强
项目对网页元素的定位和交互能力进行了重要升级:
-
XPath生成:新增了自动生成元素XPath的功能,使得元素定位更加精准可靠。
-
DOM结构优化:改进了元素树的结构化表示,通过添加结构化div元素,使DOM树更清晰易读,同时避免了构建完整DOM树带来的性能开销。
-
多级选择修复:解决了多级元素选择时可能出现的问题,提升了复杂页面元素定位的准确性。
新功能亮点
凭证管理API开放
v0.1.83版本正式开放了凭证管理相关API,包括:
-
TOTP验证码支持:新增了专门的TOTP验证码端点,方便处理双因素认证场景。
-
凭证CRUD操作:提供完整的凭证创建、读取、更新和删除接口,支持安全存储和管理各类认证信息。
工作流运行监控
增强了工作流运行的监控和查询能力:
-
运行详情获取:新增API支持获取特定工作流运行的详细信息,包括执行状态、时间戳等关键数据。
-
响应数据丰富:在任务响应中添加了recording_url和downloaded_files字段,方便用户直接访问执行过程的录屏和下载的文件。
性能与稳定性改进
-
最大迭代次数调整:将任务v2的最大迭代次数提升至13次,适应更复杂的自动化场景。
-
自动完成尝试减少:优化了自动完成逻辑,减少了不必要的尝试次数,提高执行效率。
-
DOM监听修复:解决了DOM监听器可能出现的bug,提升了页面操作的可靠性。
开发者体验优化
-
统一接口:将所有库面向的代码统一到
from skyvern import Skyvern
接口下,简化了开发者的使用方式。 -
API文档完善:全面更新了API文档,增加了详细的代码示例,帮助开发者更快上手。
-
调试信息增强:增加了模块加载的调试日志,便于开发者排查问题。
评估功能增强
-
通用运行端点:新增了通用的/runs评估端点,支持对各类运行结果进行评估分析。
-
响应规范化:对评估返回结果进行了标准化处理,确保返回项和总数的格式统一。
Skyvern v0.1.83版本的发布标志着该项目在Web自动化领域的又一次重要进步,特别是在浏览器会话管理、元素交互和凭证处理等方面有了显著提升,为开发者构建复杂的Web自动化解决方案提供了更强大的工具支持。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-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++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









