Skyvern项目v0.1.62版本发布:自动化流程与凭证管理的全面升级
Skyvern是一个基于AI的自动化流程平台,它能够模拟人类操作网页的行为,实现各种业务流程的自动化。通过智能识别网页元素、自动填写表单、点击按钮等操作,Skyvern可以完成诸如数据采集、系统集成、自动化测试等任务。最新发布的v0.1.62版本带来了多项重要改进,特别是在凭证管理和自动化流程方面有了显著提升。
凭证管理功能增强
凭证管理是自动化流程中的关键环节,新版本对此进行了多项优化:
-
凭证输入参数选项:在登录区块的下拉菜单中新增了凭证输入参数选项,使得凭证选择更加直观和便捷。用户现在可以更灵活地配置不同场景下所需的凭证参数。
-
空值处理改进:系统现在能够正确处理密码字段为空的情况,将其显示为空字符串而非错误。同时,在凭证创建API中禁止了空字符串的提交,确保凭证信息的完整性。
-
UI优化:修复了凭证项溢出的问题,改进了凭证选择器的显示效果,使界面更加整洁美观。新增了凭证选项功能,让用户能够更方便地选择和管理凭证。
-
2FA支持:将双因素认证(2FA)功能放入可折叠区域,既保持了界面的简洁性,又为需要高级安全验证的用户提供了便利。
自动化流程改进
在自动化流程执行方面,本次更新带来了多项重要改进:
-
交互元素检测增强:新增了对SVG元素的交互检测能力,扩展了系统能够识别的元素类型范围。同时改进了下拉菜单的检测算法,提高了自动化操作的准确性。
-
自定义选择逻辑优化:改进了自定义选择退出逻辑,使得在复杂场景下的元素选择更加稳定可靠。
-
工作流时间轴显示:现在在工作流时间轴中会显示区块标签,让用户能够更清晰地了解自动化流程的执行过程和当前状态。
-
操作历史记录:即使操作历史为空,系统也会记录相关信息,确保流程跟踪的完整性。同时更新了操作历史提示,使其更加清晰有用。
新增SkyvernClient功能
本次版本引入了SkyvernClient,这是一个重要的新增功能:
-
基础客户端功能:提供了基本的运行工作流功能,用户可以通过编程方式调用Skyvern的自动化能力。
-
扩展支持:客户端支持配置webhook URL、代理设置和TOTP(基于时间的一次性密码)等功能,满足不同场景下的集成需求。
-
运行状态查询:新增了获取运行状态的端点,方便用户跟踪自动化流程的执行情况。
性能优化
在性能方面,本次更新有两项重要改进:
-
_mask_shift函数优化:通过算法改进,该函数的执行速度提升了26%,这对于处理大量数据的场景尤为重要。
-
AsyncOperationPool._get_operation方法优化:该方法的速度提升了10%,提高了异步操作的处理效率。
其他改进
-
API端点整理:更新了API端点函数命名,并弃用了不再使用的端点,使API更加规范和清晰。
-
票据处理UI:新增了票据处理的用户界面,扩展了系统的业务处理能力。
-
代码质量:通过Codeflash GHA改进了代码质量检查流程,确保代码的健壮性和可维护性。
Skyvern v0.1.62版本的这些改进,使得平台在自动化流程执行、凭证管理、系统集成等方面都有了显著提升,为用户提供了更强大、更稳定的自动化解决方案。特别是新增的SkyvernClient功能,为开发者提供了更灵活的集成方式,扩展了系统的应用场景。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00