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。
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
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
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Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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 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
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