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。
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