Notte项目v1.5.0版本发布:强化AI自动化与浏览器交互能力
Notte是一个专注于AI自动化与浏览器交互的开源项目,它通过结合人工智能技术与浏览器自动化能力,为用户提供智能化的网页操作解决方案。该项目特别适合需要自动化网页操作、数据采集或业务流程自动化的场景。最新发布的v1.5.0版本带来了一系列重要改进和新功能,显著提升了项目的实用性和易用性。
核心功能增强
1. 结构化输出与指令优化
v1.5.0版本对AI指令系统进行了重大改进,引入了更完善的结构化输出机制。这种设计使得AI生成的响应更加规范化和可预测,便于开发者进行后续处理。项目现在支持"observe"指令,允许更精确地控制AI对网页内容的观察和分析行为。
技术实现上,开发团队重构了动作注册系统,将各种浏览器操作和AI指令统一管理,提高了系统的可扩展性。同时简化了步骤API,使得编写自动化流程更加直观。
2. 浏览器会话管理升级
新版本增强了浏览器会话管理能力,包括:
- 新增获取cookies功能,便于维护会话状态
- 支持会话切换,可以在不同用户场景间灵活切换
- 改进的会话显示功能,提供更清晰的会话状态可视化
- 同步会话支持,确保多步骤操作的一致性
这些改进特别适合需要维护多个用户状态或处理复杂登录流程的应用场景。
3. 外部浏览器API简化
开发团队对外部浏览器API进行了重构,使其更加简洁易用。现在开发者可以更轻松地:
- 控制浏览器是否以无头模式运行
- 管理多个浏览器实例
- 处理复杂的页面交互场景
AI能力扩展
1. Gemini Vertex AI集成
v1.5.0新增了对Google的Gemini Vertex AI的支持,为用户提供了更多的大模型选择。这一集成使得Notte项目能够利用Google最新的大语言模型能力,在理解网页内容、生成操作指令等方面获得提升。
2. 图像处理管道
版本新增了图像抓取管道(image scraping pipe)功能,增强了项目处理网页图像的能力。这一功能可以:
- 自动识别和提取网页中的图像内容
- 对图像进行分析和处理
- 将图像信息整合到自动化流程中
开发者体验改进
1. 配置系统重构
开发团队对配置系统进行了重构,使其更加灵活和易于管理。主要改进包括:
- 更清晰的配置层次结构
- 改进的默认值处理机制
- 更友好的配置覆盖方式
2. 异步处理优化
所有LLM(大语言模型)补全调用现已全面转为异步模式,提高了系统的响应速度和资源利用率。这一改进特别适合处理大量并发请求的场景。
3. 测试与稳定性提升
版本包含多项测试改进:
- 增加了更多视口测试,确保在不同屏幕尺寸下的兼容性
- 优化了集成测试的分辨率处理
- 调整了CI流程,提高测试可靠性
文档与示例更新
伴随功能更新,项目文档和示例也得到完善:
- 新增Uber Eats订餐示例,展示实际应用场景
- 添加"star repo"示例,演示基本的GitHub操作自动化
- 更新了多篇文档,包括用户指南和SDK教程
- 修正了多处文档中的拼写和表述问题
安全增强
v1.5.0版本在安全方面也有所加强,特别是改进了MFA(多因素认证)密钥的验证机制,现在在将密钥添加到保险库前会进行严格验证,提高了系统的安全性。
总结
Notte项目v1.5.0版本通过结构化输出、会话管理增强、AI能力扩展等多方面的改进,显著提升了项目的实用性和开发体验。这些变化使得Notte在自动化网页操作、智能业务流程处理等场景中表现更加出色。特别是对开发者友好的API简化和配置系统重构,将大大降低使用门槛,让更多开发者能够利用这一强大工具构建智能自动化解决方案。
- 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~042CommonUtilLibrary
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!C0300- 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
项目优选









