Skyvern项目v0.1.55版本发布:工作流运行管理与智能代理增强
Skyvern是一个基于AI的自动化工作流平台,它能够通过智能代理自动执行网页操作任务,如数据提取、表单填写等复杂操作。该项目通过结合计算机视觉和自然语言处理技术,让非技术人员也能轻松创建和管理自动化流程。
工作流运行端点实现
本次更新中,Skyvern引入了一个新的/runs端点,该端点能够返回工作流运行或独立任务的信息。开发团队对端点进行了优化,确保它只返回独立任务而不包含工作流任务,这使得用户能够更清晰地查看和管理不同类型的自动化任务执行情况。
O3 Mini支持与代理位置优化
v0.1.55版本新增了对O3 Mini的支持,这是一个重要的功能扩展。同时,团队对代理位置(proxy_location)的数据类型进行了调整,从枚举类型改为更灵活的数据库类型,这一变更虽然带来了短期内的兼容性挑战,但为未来的扩展性奠定了基础。开发过程中还修复了相关代码以确保系统稳定运行。
页面交互与视频处理增强
在页面交互方面,本次更新增加了获取页面视频超时的处理机制,解决了不可见iframe抓取的问题。这些改进显著提升了系统在复杂网页环境中的稳定性和可靠性。特别是对于包含大量动态内容或视频元素的网页,系统现在能够更稳健地处理各种边界情况。
工作流模板与UI改进
用户界面方面,v0.1.55版本引入了工作流模板的UI支持,包括模板卡片圆角设计等视觉优化。在数据模式中调整了"使用AI生成"按钮的位置,使其更加符合用户操作习惯。同时增加了保存工作流时的加载图标显示,提升了用户体验的流畅性。
智能代理选择与任务控制
新版本增加了选择代理LLM处理器功能,为系统提供了更灵活的AI模型选择能力。在任务控制方面,修复了max_iterations_override参数的问题,并实现了complete_if_empty功能的集成,这些改进使得任务执行控制更加精准和可靠。
观察者模式与时区处理
观察者模式得到了多项改进,包括使用观察者任务获取回调URL和代理位置,修复了时区相关问题,并优化了工作流运行完成标记的处理逻辑。这些改进使得观察者模式在分布式环境中的表现更加稳定。
性能监控与SDK发布
在性能监控方面,修复了工作流指标日志中时区差异导致的日期时间计算问题。最值得注意的是,本次更新首次发布了Skyvern SDK,这将大大简化开发者集成Skyvern功能到自有应用中的过程,标志着项目生态建设迈出了重要一步。
这些更新共同构成了Skyvern v0.1.55版本的核心改进,在功能丰富性、系统稳定性和用户体验等方面都取得了显著进步,为项目的持续发展奠定了坚实基础。
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