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 03:39:39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
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
648
149
Ascend Extension for PyTorch
Python
211
221
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
655
291
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
250
319
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
1.03 K
486
🎉 (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
1.16 K
640
仓颉编程语言运行时与标准库。
Cangjie
136
874
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216