Shot-scraper 1.8 版本发布：新增GitHub脚本加载功能
Shot-scraper 是一个强大的命令行工具，主要用于网页截图和自动化网页操作。它基于 Playwright 构建，能够模拟浏览器行为，执行JavaScript脚本，并捕获网页内容或截图。这个工具在网页自动化测试、数据抓取和内容分析等场景中非常有用。
在最新发布的 1.8 版本中，Shot-scraper 引入了一项重要功能改进：直接从GitHub加载并执行JavaScript脚本。这一功能极大地扩展了工具的使用便利性和脚本共享能力。
GitHub脚本加载功能详解
新版本为 shot-scraper javascript 命令增加了 gh: 前缀支持，允许用户直接引用托管在GitHub上的JavaScript脚本文件。这一功能通过 -i 或 --input 参数实现，有两种使用方式：
-
完整路径引用：使用
gh:用户名/仓库名/路径/脚本.js格式，可以直接指定GitHub仓库中的具体脚本文件路径。 -
简化引用：如果用户在名为
shot-scraper-scripts的专用仓库中存放脚本，并且脚本位于仓库根目录，可以直接使用gh:用户名/脚本名格式引用。
实际应用示例
以提取网页可读内容为例，假设GitHub用户simonw在其shot-scraper-scripts仓库中存放了一个readability.js脚本，现在可以这样使用：
shot-scraper javascript -i gh:simonw/readability \
https://simonwillison.net/2025/Mar/24/qwen25-vl-32b/
这条命令会从simonw的GitHub仓库获取readability.js脚本，并在指定的网页上执行，返回处理后的结果。
技术意义与优势
这一改进带来了几个显著优势：
-
脚本共享与复用：开发者可以将常用的网页处理脚本托管在GitHub上，供团队或社区共享使用，避免重复开发。
-
版本控制：通过GitHub管理脚本，可以充分利用Git的版本控制功能，确保脚本的稳定性和可追溯性。
-
简化部署：不再需要将脚本文件分发到各个使用环境，直接引用GitHub上的最新版本即可。
-
社区生态：专用
shot-scraper-scripts仓库的约定，有助于形成脚本共享的社区生态，用户可以方便地发现和使用他人贡献的有用脚本。
适用场景
这一功能特别适合以下场景：
- 团队内部共享常用的网页处理脚本
- 开源社区贡献和复用高质量的网页操作脚本
- 快速测试和验证他人开发的网页处理逻辑
- 构建自动化工作流时减少本地脚本管理负担
Shot-scraper 1.8版本的这一改进，不仅提升了工具本身的实用性，也为构建更丰富的网页自动化生态奠定了基础。对于经常需要处理网页内容的开发者和数据分析师来说，这无疑是一个值得关注的重要更新。
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
unified-cache-managementUnified Cache Manager（推理记忆数据管理器），是一款以KV Cache为中心的推理加速套件，其融合了多类型缓存加速算法工具，分级管理并持久化推理过程中产生的KV Cache记忆数据，扩大推理上下文窗口，以实现高吞吐、低时延的推理体验，降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
- Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型，并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型，它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色，旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
docs
kernel
pytorch
ops-math
openHiTLS
flutter_flutter
ohos_react_native
RuoYi-Vue3
cangjie_compilerCangjie-Examples