Tree Style Tab 3.0.17版本发布:安全增强与功能优化
2025-06-15 11:57:51作者:胡唯隽
Tree Style Tab(简称TST)是一款广受欢迎的Firefox浏览器扩展,它通过侧边栏树状结构重新定义了浏览器标签页的管理方式。这款扩展让用户能够以更直观、更高效的方式组织和浏览大量打开的标签页,特别适合需要同时处理多个网页的研究人员、开发人员和重度网络用户。
安全修复与数据保护
在3.0.14版本中,开发团队修复了一个重要的安全问题。早期版本(2.x系列和3.0.14之前的所有3.x版本)存在通过API向其他扩展暴露敏感标签信息的风险,包括隐私窗口中的标签页。这一修复确保了敏感信息不会被未经授权的扩展获取,增强了用户隐私保护。
核心功能改进
树状结构管理优化
3.0.17版本进一步优化了标签页树状结构的管理逻辑,特别是在处理更新后的标签属性时更加准确。当用户固定一个标签页时,系统会自动将其子标签页分组到临时组标签中,实现了更智能的标签组织方式。
视觉体验提升
新版本改进了多个主题的视觉效果:
- 修复了Metal主题中固定标签页的活动状态显示问题
- 优化了Vertigo主题中非多选标签页的高亮显示
- 为调试模式下的标签页添加了内部ID显示功能,方便开发者排查问题
操作流程改进
- 当用户尝试关闭多个标签页时,系统会显示更可靠的确认对话框
- 新增了一个隐藏选项
scrollToExpandedTree,允许用户控制在展开大型树状结构时是否自动滚动侧边栏内容 - 修复了标签拖放操作中的问题,现在系统会忽略将标签拖放到自身的无效操作
开发者相关更新
API增强
3.0.16版本改进了与其他扩展的API交互:
- 允许未注册的扩展调用API(修复了之前版本的回归问题)
- 确保向最后注册的扩展正确发送
ready通知 - 新增了
tree-attached和tree-detached通知类型,帮助其他扩展更好地跟踪树状结构变化
调试工具
新版本增强了调试能力:
- 在选项页面的"开发"部分直接显示了深度隐藏的调试选项
- 改进了调试日志的时间戳格式,采用
时:分:秒.毫秒的形式,便于问题排查
性能与稳定性
从3.0版本开始,TST进行了架构重构,将所有标签处理逻辑统一到后台页面,侧边栏页面仅负责显示。这一改变显著提高了扩展的稳定性,减少了因前后台不同步导致的问题。
3.0.11版本引入了更积极的错误检测和自动修复机制,能够处理初始化过程中出现的标签跟踪问题,防止产生"失控"标签页。同时,改进了树状结构恢复逻辑,即使在包含大量标签页的情况下(恢复时间可能长达10分钟),也能确保完整恢复窗口状态。
用户体验细节
- 新增了将额外上下文菜单命令显示为顶级菜单项的选项
- 修复了从书签文件夹打开多个标签页时的自动分组行为
- 改进了固定标签页与其组标签页之间的视觉关联,当其中一个处于活动状态时会高亮显示另一个
- 为键盘快捷键新增了"聚焦到最后一个子标签"、"聚焦到上一个兄弟标签"和"聚焦到下一个兄弟标签"命令
总结
Tree Style Tab 3.0.17版本在安全性、稳定性和用户体验方面都做出了显著改进。通过持续的架构优化和细节打磨,这款扩展为Firefox用户提供了更可靠、更高效的标签管理解决方案。无论是普通用户还是开发者,都能从这个版本中获得更流畅的操作体验和更强大的功能支持。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210