MidScene v0.14.3 版本发布:Android 屏幕尺寸处理优化与安全增强
MidScene 是一个专注于移动端场景化测试的开源项目,它通过构建真实用户操作场景来帮助开发者进行自动化测试和性能评估。该项目特别注重在 Android 平台上的表现,提供了丰富的功能来支持各种用户交互场景。
核心改进
Android 屏幕尺寸处理优化
本次版本在 Android 平台上实现了自定义方法来获取屏幕尺寸,并对尺寸处理逻辑进行了简化。这一改进主要解决了以下问题:
-
更精确的屏幕尺寸获取:通过实现自定义方法,避免了系统原生 API 在某些设备上可能返回不准确尺寸的问题。
-
简化处理逻辑:重构了尺寸处理流程,减少了不必要的计算和转换步骤,提高了性能。
-
更好的兼容性:新的实现方式能够更好地适应不同分辨率和屏幕密度的 Android 设备。
对于开发者而言,这意味着在使用 MidScene 进行 Android 测试时,能够获得更准确的屏幕尺寸信息,从而确保测试场景的精确构建。
YAML 配置支持非标准 HTTPS
在测试环境中,经常会遇到使用自签名证书或非标准 HTTPS 的情况。v0.14.3 版本在 YAML 配置中增加了对非标准 HTTPS 连接的支持,这一特性特别适合以下场景:
-
本地开发测试:当测试环境使用自签名证书时,不再需要手动绕过证书验证。
-
内部测试环境:在企业内部测试环境中,可以更方便地配置 HTTPS 端点。
-
快速原型验证:在快速验证阶段,可以暂时忽略证书安全问题,专注于功能测试。
需要注意的是,这一特性应谨慎在生产环境中使用,仅推荐在受控的测试环境中启用。
其他改进
Android 模式验证增强
在 AndroidAgent 构造函数中增加了对 VL-Model 模式的验证,这一改进确保了:
-
更早的错误检测:在初始化阶段就能发现配置问题,而不是在运行时才暴露。
-
更清晰的错误提示:当模式配置不正确时,会给出明确的错误信息,便于开发者快速定位问题。
文档完善
本次更新还包含了针对 Android 平台使用的文档补充,涵盖了:
-
基础配置指南:如何设置和运行 Android 测试场景。
-
最佳实践:针对不同测试场景的推荐配置。
-
常见问题解答:解决开发者在使用过程中可能遇到的典型问题。
技术价值
MidScene v0.14.3 的这些改进体现了项目团队对测试工具可靠性和易用性的持续追求。特别是 Android 屏幕尺寸处理的优化,直接提升了测试结果的准确性,这对于依赖精确屏幕操作的测试场景尤为重要。同时,对非标准 HTTPS 的支持则反映了项目对实际测试需求的深入理解,解决了开发者在测试过程中经常遇到的实际问题。
这些改进使得 MidScene 在移动端自动化测试领域又向前迈进了一步,为开发者提供了更强大、更灵活的工具来构建高质量的移动应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00