AgentPress项目中的浏览器状态图像存储优化方案
2025-06-11 02:16:15作者:昌雅子Ethen
在AgentPress项目中,开发团队近期对浏览器状态图像的存储方式进行了重要优化。本文将详细介绍这项技术改进的背景、实现方案以及技术细节。
背景与问题
在Web自动化测试和爬虫场景中,浏览器状态的截图是重要的调试和记录手段。传统实现通常将截图以base64编码形式直接存储在数据库中,这种方式存在几个明显问题:
- 数据库体积膨胀:base64编码会使图像数据增大约33%
- 查询性能下降:大文本字段影响数据库整体性能
- 传输效率低:LLM处理时需要传输大量冗余数据
解决方案架构
团队设计了一套基于S3的对象存储方案,核心思路是将图像文件与结构化数据分离存储:
- 存储层迁移:将图像从数据库迁移到Supabase S3存储
- 元数据管理:在数据库中仅保存图像URL引用
- 访问优化:直接向LLM发送图像URL而非完整数据
关键技术实现
浏览器API改造
在sandbox/docker环境中的browser_api.py文件,对截图功能进行了重构:
def take_screenshot():
# 获取base64格式截图
image_data = get_base64_screenshot()
# 上传至S3并返回URL
image_url = upload_to_s3(image_data)
return image_url
安全设计考量
方案特别考虑了容器环境下的安全实践:
- 采用最小权限原则配置S3访问凭证
- 评估了两种上传模式:
- 容器直接上传(需要传递敏感凭证)
- 核心后端中转上传(更安全但增加网络开销)
- 最终选择凭证加密传输方案
LLM集成优化
新的存储方式使LLM交互更加高效:
- 直接传递图像URL而非base64编码
- 支持按需加载机制
- 减少请求体大小,提升响应速度
实施效果
该优化带来了多方面的改进:
- 数据库体积减少约70%
- 查询性能提升40%以上
- LLM交互延迟降低30%
- 系统整体可扩展性显著增强
最佳实践建议
对于类似场景的技术选型,我们建议:
- 对于大于100KB的二进制数据,优先考虑对象存储
- 实施严格的访问控制策略
- 考虑添加CDN加速图像访问
- 建立自动清理机制管理存储生命周期
这项改进展示了现代Web系统中合理利用云存储服务的重要性,为AgentPress项目的长期发展奠定了良好的架构基础。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-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++036Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
160
2.03 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
533
60

React Native鸿蒙化仓库
C++
198
279

Ascend Extension for PyTorch
Python
46
78

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
947
556

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
381
17

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
996
396