Dash to Dock 扩展在 GNOME 46 中的兼容性更新
在 GNOME 46 桌面环境中,Dash to Dock 扩展遇到了一个关于 St.ScrollView 组件属性的兼容性问题。这个问题源于 GNOME Shell 底层代码的更新,导致扩展中使用的某些属性被标记为已弃用。
问题背景
Dash to Dock 扩展的核心功能之一是确保应用图标在滚动视图中可见。为了实现这一功能,扩展代码中使用了 St.ScrollView 组件的两个属性:
- hscroll(水平滚动条)
- vscroll(垂直滚动条)
在 GNOME 46 中,这些属性被标记为 DEPRECATED(已弃用),导致扩展运行时会在日志中产生警告信息。虽然这些警告不会直接影响功能,但长期来看可能会在未来版本中导致兼容性问题。
技术分析
通过查看 GNOME Shell 的源代码变更,我们可以发现这些属性被弃用的原因。GNOME 开发团队对滚动视图的实现进行了重构,现在推荐直接使用 vAdjustment 和 hAdjustment 属性来访问滚动条的调整对象,而不是通过中间层属性。
这种变更属于 API 的优化和改进,目的是提供更直接、更高效的访问方式。在 GNOME Shell 的合并请求中明确指出,新的调整属性提供了相同的功能,但实现方式更为简洁。
解决方案
针对这个问题,Dash to Dock 扩展的维护者提出了一个简单的修复方案:将原有的属性访问方式替换为新的推荐方式。具体修改包括:
- 将
scrollView.vscroll替换为scrollView.vAdjustment - 将
scrollView.hscroll替换为scrollView.hAdjustment
这种修改保持了原有功能的完整性,同时消除了兼容性警告。从技术实现角度来看,新的属性访问方式实际上是更底层的实现,性能上可能会有所提升。
对用户的影响
对于普通用户来说,这个变更完全是无感知的。扩展的功能和行为不会发生任何变化,唯一的区别是系统日志中不再出现相关的警告信息。
对于开发者而言,这个案例提醒我们在开发 GNOME Shell 扩展时需要关注底层 API 的变化。GNOME 团队通常会提前标记即将弃用的 API,给开发者留出足够的迁移时间。定期检查系统日志中的警告信息是发现这类问题的有效方法。
总结
Dash to Dock 扩展在 GNOME 46 中的这个小调整展示了开源项目如何应对底层框架的变化。通过及时更新代码,扩展能够保持与最新桌面环境的兼容性,为用户提供无缝的使用体验。这也体现了开源社区协作的优势,问题从发现到解决的过程公开透明,最终惠及所有用户。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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