Midscene v0.17.4版本发布:增强AI断言与右键操作支持
Midscene是一个专注于Web自动化测试和智能交互的开源项目,它通过结合人工智能技术,为开发者提供了更智能、更高效的测试解决方案。该项目特别适合需要处理复杂Web交互场景的团队使用,能够显著提升测试覆盖率和自动化程度。
核心功能增强
AI断言错误信息支持
在自动化测试中,断言失败时的错误信息对于问题定位至关重要。本次版本在YAML配置文件中新增了对AI断言错误消息的支持。开发者现在可以在测试脚本中直接定义当AI断言失败时返回的自定义错误信息,这使得测试报告更加清晰和具有可读性。
这项改进特别适合复杂的业务场景测试,当AI判断某个元素状态不符合预期时,能够提供更具体的上下文信息,帮助开发者快速理解问题所在。
右键操作支持
v0.17.4版本引入了对右键点击操作的支持,这是Web自动化测试中一个常见但之前缺失的功能。现在测试脚本可以模拟用户在网页元素上的右键点击行为,这对于测试上下文菜单、自定义右键功能等场景特别有用。
这项功能通过web-integration模块实现,开发者可以在测试用例中直接指定右键点击的目标元素,扩展了测试场景的覆盖范围。
移动端适配改进
移动端点击事件修复
针对移动端测试场景,本次版本修复了Chrome扩展中点击事件在移动设备上的处理问题。之前的版本在某些移动设备上可能无法正确触发点击事件,现在这一问题已得到解决,确保了移动端测试的可靠性。
屏幕方向检测增强
Android平台上的屏幕尺寸获取方法现在增加了屏幕方向检测能力。这意味着测试脚本可以更准确地获取设备在不同方向(横屏/竖屏)下的实际屏幕尺寸,为响应式布局测试提供了更好的支持。
测试稳定性提升
超时设置灵活性
web-integration模块现在允许将超时时间设置为0,这在某些需要立即返回结果的测试场景中非常有用。开发者可以根据具体测试需求灵活配置超时策略,而不必受限于之前的默认值。
测试计划修复
核心模块中的测试计划功能得到了稳定性修复,确保AI驱动的测试规划能够更可靠地执行。这对于依赖Midscene进行复杂测试流程管理的团队尤为重要。
开发者体验优化
系统提示增强
AI布尔命令的系统提示得到了增强,使AI在判断测试条件时能够做出更准确的决策。这一改进提升了AI辅助测试的可靠性,减少了误判的可能性。
HTML DOM查询支持
新增了从HTML DOM直接查询的能力,使AI查询功能更加灵活。测试脚本现在可以直接基于页面DOM结构进行元素查询和验证,为复杂页面结构的测试提供了更多可能性。
文档更新
伴随这些新功能和改进,项目文档也进行了相应更新:
- 新增了关于工作流使用的详细说明
 - 补充了右键查询和HTML DOM查询的相关文档
 - 优化了现有功能的说明,使新用户更容易上手
 
Midscene v0.17.4版本的这些改进,进一步巩固了其作为智能Web自动化测试解决方案的地位,特别是在结合AI技术提升测试效率方面。对于正在寻找更智能测试工具的团队来说,这个版本值得关注和尝试。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
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
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).Dockerfile014
 
Spark-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。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00