Skyvern-AI项目v0.1.51版本发布:工作流与浏览器会话增强
2025-06-03 14:06:53作者:董斯意
Skyvern-AI是一个基于人工智能的自动化测试框架,专注于通过自然语言指令驱动浏览器操作,实现端到端的业务流程自动化。该项目通过将自然语言转化为可执行的浏览器操作,大大降低了自动化测试的门槛。
核心功能改进
工作流执行机制优化
本次版本对工作流执行机制进行了重要改进,将文本提示执行(text prompt executions)正式纳入工作流运行步骤。这一变更使得:
- 文本提示的执行状态和结果现在可以被完整追踪
- 工作流运行过程的可观测性得到提升
- 调试和错误排查变得更加直观
开发团队还为工作流页面新增了横幅展示功能,提升了用户界面的信息展示效率。
浏览器会话管理增强
在浏览器会话管理方面,v0.1.51版本引入了多项重要改进:
-
持久化会话状态追踪:现在可以记录浏览器地址和状态信息到持久化会话中,为会话恢复和调试提供了更完整的信息
-
页面重载功能:新增了页面重载(reload)操作支持,包括:
- 实现了页面重载的核心功能
- 添加了重载操作的验证机制
- 完善了相关错误处理
-
交互元素检测增强:特别针对表格单元格(td元素)的交互检测能力进行了优化,提升了框架对复杂网页结构的适应能力
安全与集成改进
在安全相关功能方面,本次更新:
-
优化了密码管理器的集成方式,现在支持通过环境变量直接配置,简化了本地开发环境的设置
-
将密码管理组件正式加入Docker镜像,完善了容器化部署的支持
错误处理与稳定性
-
调整了最大迭代次数的错误处理逻辑,使框架在长时间运行任务时表现更加稳定
-
移除了观察者(observer)相关的失败原因输出,使错误信息更加简洁明确
-
优化了主提示(main prompt)生成观察任务URL和标题的机制,提高了自动化任务的准确性
总结
Skyvern-AI v0.1.51版本主要聚焦于工作流执行机制的完善和浏览器会话管理的增强,通过这些改进,框架的可靠性和用户体验得到了显著提升。特别是新增的页面重载功能和改进的交互元素检测能力,使得Skyvern-AI能够处理更加复杂的网页自动化场景。安全集成的优化也为不同环境下的部署提供了更多便利。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58