Notte项目v1.4.4版本发布:优化视口参数与API文档
Notte是一个开源的Web自动化测试框架,它通过自然语言处理技术让测试人员可以用简单的自然语言指令来操作浏览器,大大降低了自动化测试的门槛。该项目近期发布了v1.4.4版本,带来了一系列功能优化和文档改进。
视口参数配置优化
新版本对视口参数处理进行了重要改进。视口(viewport)是浏览器窗口中实际显示网页内容的区域,其大小对网页的响应式布局测试至关重要。在自动化测试中,精确控制视口参数能够模拟不同设备上的显示效果。
Notte v1.4.4增强了视口参数的处理能力,使测试人员能够更灵活地配置浏览器窗口的尺寸和缩放比例。这一改进特别适合需要进行跨设备兼容性测试的场景,开发者现在可以更容易地模拟移动设备、平板电脑和桌面电脑的不同显示环境。
安全存储系统升级
本次更新对项目的安全存储系统(Vault)进行了功能增强。安全存储是Notte项目中用于管理敏感信息(如API密钥、认证凭据等)的核心组件。新版本优化了存储机制,提高了敏感数据的安全性,同时保持了使用的便捷性。
新增MCP集成
v1.4.4版本引入了Notte MCP(Message Control Protocol)集成。MCP是一种轻量级的消息控制协议,用于协调不同测试组件之间的通信。这一新增功能使得Notte能够更好地处理复杂的测试场景,特别是在分布式测试环境中表现更为出色。
API文档与使用指南改进
文档质量是开源项目成功的关键因素之一。本次发布对API文档进行了全面梳理和优化,使其更加清晰易读。同时,项目的README文件也经过了重构,移除了冗余信息,突出了核心功能和使用方法。
特别值得一提的是,新版本增加了详细的doctest示例。这些示例不仅展示了API的基本用法,还包含了各种边界条件和异常情况的处理方式,为开发者提供了更全面的参考。
错误处理机制优化
在自动化测试过程中,处理语言模型输出的错误动作ID是一个常见挑战。v1.4.4版本改进了错误处理机制,增加了重试逻辑,当系统检测到语言模型输出了无效的动作ID时,会自动尝试重新获取正确的指令。这一改进显著提高了测试脚本的稳定性和可靠性。
Cookie管理修复
针对Cookie管理端点的问题,新版本进行了修复。Cookie在Web自动化测试中扮演着重要角色,用于维持会话状态和存储用户偏好。修复后的Cookie端点能够更可靠地处理各种Cookie操作,包括设置、获取和删除等。
持续集成流程增强
为了提升开发效率,v1.4.4版本优化了持续集成(CI/CD)流程。现在开发者可以手动触发构建过程,这在进行特定测试或调试时特别有用。这一改进使得开发团队能够更灵活地控制构建节奏,提高了开发迭代的速度。
总结
Notte v1.4.4版本虽然在版本号上是一个小版本更新,但带来了多项实质性改进。从视口参数配置到API文档优化,从错误处理机制到CI/CD流程,这些改进共同提升了框架的稳定性、易用性和可维护性。对于正在使用或考虑采用Notte进行自动化测试的团队来说,升级到这个版本将获得更流畅的开发体验和更可靠的测试结果。
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-1.5暂无简介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