Hydrus Network v616版本更新:媒体查看器优化与自动重复文件处理增强
项目简介
Hydrus Network是一款功能强大的数字媒体管理工具,专为收藏家、研究人员和数字内容管理专业人士设计。它提供了高度可定制的媒体组织系统,支持多种文件类型,并具备强大的元数据管理能力。最新发布的v616版本带来了多项重要改进,特别是在媒体查看器和自动重复文件处理方面。
媒体查看器功能增强
本次更新对媒体查看器进行了多项优化:
-
跨标签页媒体查看器管理:新增"关闭媒体查看器并返回原始标签页"的快捷操作,用户可在"选项->媒体查看器"中设置全局启用此功能。这一改进特别适合使用复杂嵌套标签页布局的高级用户。
-
实验性窗口控制选项:媒体查看器的"眼睛"菜单按钮新增了两个实验性功能:
- "始终置顶"模式
- 极简窗口模式 这些功能目前处于测试阶段,设置不会持久保存,开发者鼓励用户在不同操作系统上进行测试并提供反馈。
核心功能改进
-
哈希查询优化:现在可以在查询中混合使用多个
system:hash谓词,UI不再将它们视为互斥选项。在Client API中,可以强制同时使用多个哈希条件,系统会正确处理而不会随机选择其中一个。 -
导出文件夹修复:修复了导出文件夹中多个具有相同目标文件的sidecar路由器的问题。之前只有其中一个sidecar会添加数据,现在所有sidecar都能正常工作。
-
订阅管理优化:当订阅达到周期性文件限制时,系统现在会比较新获取URL的类别与文件日志中最旧URL的类别。如果类别不同,将不再显示"订阅发现x个新URL"的弹窗,避免在URL格式变更时产生误导性提示。
e621相关下载器改进
-
解析器重构:针对e621站点HTML结构变化导致的标签解析问题,开发团队基于其优秀API重构了解析器。现在下载器效率大幅提升,只需访问图库页面即可获取所有必要数据,然后直接下载原始文件。
-
新增支持站点:除了修复e621下载器外,还新增了对以下站点的支持:
- e926(e621的SFW替代站点)
- e6ai(AI内容专用站点)
- 图库URL支持
-
URL格式变更处理:由于API变更导致新旧URL格式不兼容,系统新增了智能检测机制,能够识别URL格式变更情况并静默处理,避免用户被大量"发现新URL"通知打扰。
自动重复文件处理系统增强
v616版本对自动重复文件处理系统进行了重大改进:
-
操作模式分级:
- 暂停模式:规则不执行任何操作
- 半自动模式:执行搜索和测试,但需要人工批准才会执行操作
- 全自动模式:完全自动执行搜索、测试和操作
-
操作审核机制:
- 新增"审核操作"按钮,可查看待处理操作和已执行操作
- 提供详细的合并预览,显示标签、注释、URL、评分和存档状态变更
- 支持批量批准/拒绝操作
- 提供强大的撤销功能,可回滚已执行的操作
-
规则管理改进:
- 规则编辑后自动重置相关测试状态
- 新增"重置测试"和"重置拒绝"功能
- 改进的合并选项说明和UI布局
技术细节优化
-
数据库结构调整:自动重复处理规则的数据结构进行了重构,支持新的操作模式和审核日志。
-
性能优化:e621下载器虽然单次请求获取更多数据,但可能导致CPU使用率短期升高,特别是在处理大量图库时。
-
错误处理改进:优化了异常处理流程,改进了错误日志记录方式,避免重复堆栈跟踪。
开发者工具与API更新
-
Client API版本升级至79:
- 新增"total_alternate_groups"字段
- 改进Mr Bones调用的数据准确性
-
单元测试增强:新增了针对半自动模式、审核日志和规则变更的单元测试,确保系统稳定性。
用户体验改进
-
界面文本优化:多处界面增加了更清晰的说明文字,特别是关于评分合并和导出文件夹sidecar行为的说明。
-
Linux兼容性:更新了Linux安装帮助,针对Wayland环境提供了明确的X11兼容性建议。
-
Mr Bones改进:重复文件面板中的统计信息更加准确,特别是关于替代组数量和文件计数的显示。
这次更新体现了Hydrus Network对用户体验和系统稳定性的持续关注,特别是在处理大规模媒体集合时的效率和可靠性方面取得了显著进步。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00