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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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