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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0119
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