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。
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
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