change: rename VLM name

2026-07-10 23:12:41 +08:00 · 2025-06-05 18:09:25 +08:00
parent 8cdc71d90b
commit d883aa6a21
11 changed files with 26 additions and 24 deletions
--- a/internal/version/VERSION
+++ b/internal/version/VERSION
@@ -1 +1 @@
-v5.0.0-beta-2506051747
+v5.0.0-beta-2506051809
--- a/mcphost/chat.go
+++ b/mcphost/chat.go
@@ -25,7 +25,7 @@ import (
 // NewChat creates a new chat session
 func (h *MCPHost) NewChat(ctx context.Context) (*Chat, error) {
 	// Get model config from environment variables
-	modelConfig, err := ai.GetModelConfig(option.LLMServiceTypeDoubaoVL)
+	modelConfig, err := ai.GetModelConfig(option.DOUBAO_1_5_THINKING_VISION_PRO_250428)
 	if err != nil {
 		return nil, err
 	}
--- a/tests/step_ui_test.go
+++ b/tests/step_ui_test.go
@@ -8,6 +8,7 @@ import (
 	hrp "github.com/httprunner/httprunner/v5"
 	"github.com/httprunner/httprunner/v5/uixt/option"
 	"github.com/stretchr/testify/assert"
+	"github.com/stretchr/testify/require"
 )

 func TestIOSSettingsAction(t *testing.T) {
@@ -83,7 +84,7 @@ func TestAndroidAction(t *testing.T) {

 func TestStartToGoal(t *testing.T) {
 	userInstruction := `连连看是一款经典的益智消除类小游戏，通常以图案或图标为主要元素。以下是连连看的基本规则说明：
-	1. 游戏目标: 玩家需要在规定时间内，通过连接相同的图案或图标，将它们从游戏界面中消除。
+	1. 游戏目标: 玩家需要通过连接相同的图案或图标，将它们从游戏界面中消除。
 	2. 连接规则:
 	- 两个相同的图案可以通过不超过三条直线连接。
 	- 连接线可以水平或垂直，但不能斜线，也不能跨过其他图案。
@@ -91,9 +92,9 @@ func TestStartToGoal(t *testing.T) {
 	3. 游戏界面:
 	- 游戏界面通常是一个矩形区域，内含多个图案或图标，排列成行和列。
 	- 图案或图标在未选中状态下背景为白色，选中状态下背景为绿色。
-	4. 时间限制: 游戏通常设有时间限制，玩家需要在时间耗尽前完成所有图案的消除。
-	5. 得分机制: 每成功连接并消除一对图案，玩家会获得相应的分数。完成游戏后，根据剩余时间和消除效率计算总分。
-	6. 关卡设计: 游戏可能包含多个关卡，随着关卡的推进，图案的复杂度和数量会增加。
+	4. 重试机制:
+	- 游戏失败后，可以点击「立即复活」按钮，观看视频广告；30秒，点击屏幕右上角关闭图标后可继续游戏。
+	- 若无法再复活，可以点击「立即挑战」按钮，重新开始游戏。

 	注意事项：
 	1、当连接错误时，顶部的红心会减少一个，需及时调整策略，避免红心变为0个后游戏失败
@@ -105,7 +106,7 @@ func TestStartToGoal(t *testing.T) {

 	testCase := &hrp.TestCase{
 		Config: hrp.NewConfig("run ui action with start to goal").
-			SetLLMService(option.LLMServiceTypeDoubaoVL),
+			SetLLMService(option.DOUBAO_1_5_THINKING_VISION_PRO_250428),
 		TestSteps: []hrp.IStep{
 			hrp.NewStep("启动抖音「连了又连」小游戏").
 				Android().
@@ -117,14 +118,17 @@ func TestStartToGoal(t *testing.T) {
 				StartToGoal(userInstruction, option.WithMaxRetryTimes(100)),
 		},
 	}
-	err := hrp.NewRunner(t).Run(testCase)
+	err := testCase.Dump2JSON("start_llk_game.json")
+	require.Nil(t, err)
+
+	err = hrp.NewRunner(t).Run(testCase)
 	assert.Nil(t, err)
 }

 func TestAIAction(t *testing.T) {
 	testCase := &hrp.TestCase{
 		Config: hrp.NewConfig("run ui action with ai").
-			SetLLMService(option.LLMServiceTypeDoubaoVL),
+			SetLLMService(option.DOUBAO_1_5_THINKING_VISION_PRO_250428),
 		TestSteps: []hrp.IStep{
 			hrp.NewStep("launch settings").
 				Android().AIAction("进入手机系统设置").
--- a/uixt/ai/ai.go
+++ b/uixt/ai/ai.go
@@ -129,12 +129,12 @@ func GetModelConfig(modelType option.LLMServiceType) (*ModelConfig, error) {

 func validateModelType(modelType option.LLMServiceType, modelName string) error {
 	switch modelType {
-	case option.LLMServiceTypeUITARS:
+	case option.DOUBAO_1_5_UI_TARS_250428:
 		if !strings.Contains(modelName, "ui-tars") {
 			return fmt.Errorf("model name %s is not supported for %s", modelName, modelType)
 		}
 		return nil
-	case option.LLMServiceTypeDoubaoVL:
+	case option.DOUBAO_1_5_THINKING_VISION_PRO_250428:
 		if !strings.Contains(modelName, "doubao") || !strings.Contains(modelName, "vision") {
 			return fmt.Errorf("model name %s is not supported", modelName)
 		}
--- a/uixt/ai/asserter.go
+++ b/uixt/ai/asserter.go
@@ -53,7 +53,7 @@ func NewAsserter(ctx context.Context, modelConfig *ModelConfig) (*Asserter, erro
 		systemPrompt: defaultAssertionPrompt,
 	}

-	if modelConfig.ModelType == option.LLMServiceTypeUITARS {
+	if modelConfig.ModelType == option.DOUBAO_1_5_UI_TARS_250428 {
 		asserter.systemPrompt += "\n" + uiTarsAssertionResponseFormat
 	} else {
 		// define output format
--- a/uixt/ai/asserter_test.go
+++ b/uixt/ai/asserter_test.go
@@ -12,7 +12,7 @@ import (
 )

 func createAsserter(t *testing.T) *Asserter {
-	modelConfig, err := GetModelConfig(option.LLMServiceTypeUITARS)
+	modelConfig, err := GetModelConfig(option.DOUBAO_1_5_UI_TARS_250428)
 	require.NoError(t, err)
 	asserter, err := NewAsserter(context.Background(), modelConfig)
 	require.NoError(t, err)
--- a/uixt/ai/parser_default.go
+++ b/uixt/ai/parser_default.go
@@ -19,7 +19,7 @@ type LLMContentParser interface {

 func NewLLMContentParser(modelType option.LLMServiceType) LLMContentParser {
 	switch modelType {
-	case option.LLMServiceTypeUITARS:
+	case option.DOUBAO_1_5_UI_TARS_250428:
 		return &UITARSContentParser{
 			systemPrompt:  doubao_1_5_ui_tars_planning_prompt,
 			actionMapping: doubao_1_5_ui_tars_action_mapping,
--- a/uixt/ai/planner.go
+++ b/uixt/ai/planner.go
@@ -64,7 +64,7 @@ func (p *Planner) History() *ConversationHistory {
 }

 func (p *Planner) RegisterTools(tools []*schema.ToolInfo) error {
-	if p.modelConfig.ModelType == option.LLMServiceTypeUITARS {
+	if p.modelConfig.ModelType == option.DOUBAO_1_5_UI_TARS_250428 {
 		// tools have been registered in ui-tars system prompt
 		return nil
 	}
--- a/uixt/ai/planner_test.go
+++ b/uixt/ai/planner_test.go
@@ -29,7 +29,7 @@ func TestVLMPlanning(t *testing.T) {

 	userInstruction += "\n\n请基于以上游戏规则，给出下一步可点击的两个图标坐标"

-	modelConfig, err := GetModelConfig(option.LLMServiceTypeUITARS)
+	modelConfig, err := GetModelConfig(option.DOUBAO_1_5_UI_TARS_250428)
 	require.NoError(t, err)

 	planner, err := NewPlanner(context.Background(), modelConfig)
@@ -72,7 +72,7 @@ func TestXHSPlanning(t *testing.T) {

 	userInstruction := "点击第二个帖子的作者头像"

-	modelConfig, err := GetModelConfig(option.LLMServiceTypeUITARS)
+	modelConfig, err := GetModelConfig(option.DOUBAO_1_5_UI_TARS_250428)
 	require.NoError(t, err)

 	planner, err := NewPlanner(context.Background(), modelConfig)
@@ -115,7 +115,7 @@ func TestChatList(t *testing.T) {

 	userInstruction := "请结合图片的文字信息，请告诉我一共有多少个群聊，哪些群聊右下角有绿点"

-	modelConfig, err := GetModelConfig(option.LLMServiceTypeUITARS)
+	modelConfig, err := GetModelConfig(option.DOUBAO_1_5_UI_TARS_250428)
 	require.NoError(t, err)

 	planner, err := NewPlanner(context.Background(), modelConfig)
@@ -147,7 +147,7 @@ func TestChatList(t *testing.T) {

 func TestHandleSwitch(t *testing.T) {
 	userInstruction := "检查发送框下方的联网搜索开关，蓝色为开启状态，灰色为关闭状态；若开关处于关闭状态，则点击进行开启"
-	modelConfig, err := GetModelConfig(option.LLMServiceTypeUITARS)
+	modelConfig, err := GetModelConfig(option.DOUBAO_1_5_UI_TARS_250428)
 	require.NoError(t, err)

 	planner, err := NewPlanner(context.Background(), modelConfig)
--- a/uixt/android_test.go
+++ b/uixt/android_test.go
@@ -25,7 +25,7 @@ func setupADBDriverExt(t *testing.T) *XTDriver {
 	require.Nil(t, err)
 	driverExt, err := NewXTDriver(driver,
 		option.WithCVService(option.CVServiceTypeVEDEM),
-		option.WithLLMService(option.LLMServiceTypeDoubaoVL),
+		option.WithLLMService(option.DOUBAO_1_5_THINKING_VISION_PRO_250428),
 	)
 	require.Nil(t, err)
 	return driverExt
--- a/uixt/option/ai.go
+++ b/uixt/option/ai.go
@@ -31,10 +31,8 @@ func WithCVService(service CVServiceType) AIServiceOption {
 type LLMServiceType string

 const (
-	LLMServiceTypeUITARS   LLMServiceType = "ui-tars" // not support function calling and json response
-	LLMServiceTypeDoubaoVL LLMServiceType = "doubao-vision"
-	LLMServiceTypeGPT      LLMServiceType = "gpt"
-	LLMServiceTypeQwenVL   LLMServiceType = "qwen-vl"
+	DOUBAO_1_5_UI_TARS_250428             LLMServiceType = "doubao-1.5-ui-tars-250428" // not support function calling and json response
+	DOUBAO_1_5_THINKING_VISION_PRO_250428 LLMServiceType = "doubao-1.5-thinking-vision-pro-250428"
 )

 func WithLLMService(modelType LLMServiceType) AIServiceOption {