MidScene v0.13.0 发布:增强AI交互与定位能力
MidScene 是一个专注于提升前端开发体验的工具链项目,它通过智能化的方式帮助开发者更高效地完成UI测试、元素定位等常见开发任务。最新发布的v0.13.0版本带来了一系列增强AI交互能力和元素定位功能的改进,进一步提升了开发者的工作效率。
AI交互能力全面升级
本次更新在AI交互方面进行了多项重要改进。首先,为Chrome扩展新增了overrideAIConfig导出功能,这使得开发者可以更灵活地定制AI配置,根据项目需求调整AI的行为和响应方式。这一特性特别适合需要针对特定场景优化AI交互体验的高级用户。
对于Playwright集成部分,新增了aiTap和aiInput等AI动作支持。这些新动作让开发者能够通过自然语言指令来操作页面元素,例如"点击登录按钮"或"在搜索框输入关键词",而不需要手动编写精确的选择器。这种基于意图而非具体实现的测试方式,大大降低了编写和维护测试用例的门槛。
元素定位功能优化
在元素定位方面,v0.13.0引入了搜索区域(Search Area)功能,这使得定位操作更加精准可靠。当页面中存在多个相似元素时,开发者可以指定一个限定区域进行搜索,显著提高了定位的准确性和效率。这一改进特别适用于复杂单页应用(SPA)或动态内容较多的页面场景。
模型提示词优化
针对Qwen模型,团队更新了提示词(Prompt)模板,优化了AI对开发者意图的理解能力。经过调整后的提示词能够产生更准确、更符合预期的响应,减少了误解和错误操作的可能性。这一改进虽然看似微小,但对于提升整体用户体验有着显著的影响。
技术实现亮点
从技术实现角度看,这些新特性展示了MidScene团队对开发者工作流的深入理解。AI动作的引入不是简单的API包装,而是真正从开发者角度出发,将自然语言处理技术与前端工具链深度融合的创新尝试。搜索区域功能的实现则体现了对复杂UI场景下定位难题的针对性解决方案。
这些改进共同构成了MidScene作为智能开发助手的重要能力升级,使开发者能够更专注于业务逻辑的实现,而非繁琐的测试和定位细节。随着AI在开发工具中的应用日益深入,MidScene正逐步实现其"让开发更简单"的愿景。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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