Skip to content

v0.8.4-alpha — vision 能力模块 + agent→设备文件上传

Pre-release
Pre-release

Choose a tag to compare

View all tags
@qin-jiangli qin-jiangli released this 20 Jun 04:01
· 20 commits to main since this release
v0.8.4-alpha
b4f793a
This commit was created on GitHub.com and signed with GitHub’s verified signature.
GPG key ID: B5690EEEBB952194
Verified
Learn about vigilant mode.

发版自 v0.8.3-alpha 以来已合并、尚未发版的能力 + 文档收尾。完整条目见 CHANGELOG.md。

新增能力

  • pc-device：vision 像素级元素定位能力模块（#55，win/mac，可选启用）。无障碍树为空/不可用（网页、canvas、Electron 关 a11y、Flutter、游戏）时，用 RapidOCR（PP-OCRv4 ONNX）+ OpenCV 模板匹配做像素定位，纯 CPU、离线。新增 vision_locate / vision_tap / vision_locate_image（win 71→74、mac 70→73）。职责切分：OCR 只管定位（实测中位 1px、0 token），理解仍归 agent 自身视觉。
  • iOS：agent→设备文件上传（#54）。POST /upload + WDA Photos 扩展，任意大小，真机 iPad iOS 26.5 已验。
  • Android：agent→设备文件上传（#53）。POST /upload + MCP 工具，真机 Android10 已验。

文档 / 版本

  • PEP440 版本 0.8.3a1 → 0.8.4a1（cli + 4 servers）。
  • 9 语 README + install.sh/install.ps1 版本串与 uvx 安装命令同步至 v0.8.4-alpha。

安装

uvx --from "git+https://github.com/metahub-tech/agent-fleet@v0.8.4-alpha#subdirectory=cli" agent-fleet setup
Assets 2
Loading