Skyvern项目v0.1.77版本发布:增强验证码处理与智能表单交互能力
2025-06-03 23:25:23作者:乔或婵
Skyvern是一个基于人工智能的自动化Web交互平台,它通过智能算法模拟人类操作浏览器完成各种网页任务。最新发布的v0.1.77版本在验证码处理、表单智能填充等方面进行了重要改进,进一步提升了系统的自动化能力和用户体验。
验证码与双因素认证处理能力增强
本次更新重点加强了验证码和双因素认证(2FA)的处理能力。系统现在能够更智能地识别网页中的验证码输入场景,并自动生成相应的处理策略。当遇到需要输入验证码的情况时,Skyvern能够:
- 自动检测验证码输入框的出现
- 判断验证码类型并采取相应措施
- 在验证码尚未发送时避免不必要的获取操作
对于基于时间的一次性密码(TOTP)验证,系统增加了对TOTP验证URL和标识符的支持,能够更准确地处理各类双因素认证场景。同时优化了验证码处理失败时的回退机制,确保在验证码处理不成功时系统能够采取合理的替代方案继续任务。
智能表单交互功能升级
在表单处理方面,v0.1.77版本扩展了自动填充功能的覆盖范围,使系统能够处理更多类型的表单元素。特别是:
- 增强了自定义选择功能,能够处理更复杂的下拉选择和单选/多选场景
- 改进了输入处理逻辑,修复了之前版本中存在的输入处理bug
- 优化了循环任务中的完成验证逻辑,避免在循环内部任务中不必要地进行完成验证
这些改进使得Skyvern在处理各类网页表单时更加准确和高效,特别是在需要多次交互或复杂选择的场景下表现更佳。
模型支持与系统稳定性
本次更新还引入了对GPT-o4-mini和GPT-o3模型的支持,为用户提供了更多模型选择。这些新模型在处理特定类型的网页交互任务时可能表现出不同的优势。
在系统稳定性方面,修复了初始化过程中的一些问题,确保系统能够正确启动和运行。同时优化了空操作(nullaction)的处理逻辑,避免在某些边界情况下出现意外行为。
总结
Skyvern v0.1.77版本通过增强验证码处理能力、改进表单交互逻辑以及提升系统稳定性,进一步巩固了其作为智能网页自动化解决方案的地位。这些改进使得系统能够处理更复杂的网页交互场景,特别是那些需要验证码或双因素认证的安全敏感操作,为企业和开发者提供了更强大、更可靠的自动化工具。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 JavaWeb企业门户网站源码 - 企业级门户系统开发指南 WebVideoDownloader:高效网页视频抓取工具全面使用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
212
287

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

暂无简介
Dart
527
116

🎉 (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
987
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
47
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44