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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00