MidScene项目v0.17.3版本发布:Web集成能力增强与核心优化
MidScene是一个专注于Web自动化测试和智能交互的开源项目,它通过提供强大的Web集成能力和智能化的操作流程,帮助开发者更高效地进行Web应用的测试和自动化操作。该项目最新发布的v0.17.3版本带来了一系列重要的功能增强和问题修复,特别是在Web集成缓存机制和核心功能稳定性方面有了显著提升。
Web集成缓存机制全面升级
本次版本最值得关注的改进是对Web集成模块中缓存机制的全面优化。开发团队为XPath选择器添加了完整的缓存支持,这意味着在使用XPath定位页面元素时,系统能够更高效地复用之前的定位结果,显著提升了自动化操作的执行效率。
在实际应用中,XPath是一种强大的XML路径语言,常用于在HTML文档中定位元素。通过为XPath添加缓存支持,MidScene现在能够记住之前成功定位的元素路径,避免重复计算和查找,这对于复杂Web页面的自动化操作尤为重要。
缓存配置灵活性增强
新版本还引入了cacheable选项,允许开发者通过YAML配置文件灵活控制哪些操作需要启用缓存。这一改进使得缓存行为变得更加可控,开发者可以根据实际需求为不同的操作单独配置缓存策略。例如,对于那些页面结构稳定不变的操作可以启用缓存以提高性能,而对于动态变化的内容则可以禁用缓存保证准确性。
Chrome代理缓存问题修复
针对Chrome浏览器代理环境下的缓存问题,开发团队进行了专门修复。在之前的版本中,某些情况下Chrome代理可能会错误地缓存响应或忽略缓存指令,导致自动化测试结果不一致。v0.17.3版本彻底解决了这一问题,确保了在Chrome环境下缓存行为的正确性和可靠性。
核心功能稳定性提升
除了Web集成方面的改进,本次版本还对核心功能进行了多项优化:
-
查询结果展示修复:解决了Playground环境中查询结果显示异常的问题,现在开发者能够更清晰地查看和分析操作结果。
-
副作用代码清理:开发团队对代码库进行了全面检查,移除了所有不必要的副作用代码,这不仅提高了代码的纯净度,也增强了系统的稳定性和可维护性。
技术价值与影响
MidScene v0.17.3版本的这些改进虽然看似细微,但对于依赖Web自动化测试的团队来说却意义重大。缓存机制的优化可以直接转化为测试套件执行速度的提升,特别是在大规模回归测试场景下,节省的时间成本将非常可观。同时,核心功能的稳定性增强也减少了测试过程中的不确定性,提高了整体测试结果的可靠性。
对于Web自动化测试领域而言,MidScene项目通过持续优化其Web集成能力,正在成为一个越来越有吸引力的选择。其平衡了功能强大性和易用性的特点,使得无论是简单的页面操作还是复杂的业务流程测试,都能找到合适的解决方案。
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