YASB 1.7.6版本发布:现代化Windows状态栏工具的重大更新
YASB(Yet Another Status Bar)是一款专为Windows系统设计的轻量级状态栏工具,它能够为用户提供高度可定制的系统信息展示和快捷操作入口。作为Windows原生任务栏的有力补充,YASB通过模块化设计和丰富的功能集,让用户能够打造符合个人工作流的高效桌面环境。
核心功能升级
注册表启动管理机制
本次1.7.6版本最重要的改进之一是彻底重构了自动启动管理机制。传统上,大多数Windows应用使用快捷方式实现开机自启,但这种方式存在可靠性问题。YASB现在采用Windows注册表实现启动项管理,这不仅提高了系统兼容性,还确保了启动过程更加稳定可靠。
对于升级用户需要注意:如果您之前设置了YASB自动启动,需要在新版本中重新配置这一功能。新的注册表机制虽然需要一次性的重新设置,但将带来长期更稳定的使用体验。
多显示器支持增强
现代工作环境中多显示器配置越来越普遍,YASB 1.7.6对此进行了多项优化:
- 新增主屏幕状态栏创建功能,用户可以更灵活地选择在哪个显示器上显示状态栏
- 改进了屏幕分配逻辑,确保在多显示器环境下状态栏能够正确显示
- 新增滚动布局选项,为宽屏显示器用户提供了更好的信息展示方式
新增实用功能
电源计划管理组件
新加入的PowerPlanWidget是一个实用的系统电源管理组件。它允许用户直接在状态栏上快速切换不同的电源计划(如高性能、平衡、节能等),而不需要进入系统设置面板。对于需要频繁调整电源模式的用户(如游戏玩家或移动办公用户)来说,这一功能大大提升了操作效率。
网络流量显示优化
网络状态监测功能新增了hide_decimal选项,用户现在可以选择隐藏上传/下载速度显示时的小数部分,使界面更加简洁。同时,TrafficDataManager组件的引入优化了网络流量监测的后台机制,提高了数据采集的准确性。
窗口管理增强
针对使用Komorebi和GlazeWM等窗口管理器的用户,YASB 1.7.6带来了多项改进:
- 新增工作区滚动切换功能,支持通过鼠标滚轮快速切换工作区
- 改进了布局切换命令,现在next_layout和previous_layout会同时切换窗口的阻塞状态
- 增加了对浮动窗口的支持,完善了窗口管理体验
开发者体验改进
配置系统增强
1.7.6版本对配置系统进行了多项优化:
- 新增窗口标题和进程名称重写规则,用户可以更灵活地定制显示内容
- 支持CSS十六进制颜色(包括透明度)的Qt格式解析
- 为VS Code及其衍生版本(如VSCodium)添加了更好的兼容性支持
代码质量提升
项目内部进行了大规模代码重构和质量改进:
- 引入Ruff工具进行代码格式化和静态检查
- 更新了预提交钩子配置,确保代码提交前的质量检查
- 重构了系统托盘上下文菜单的处理逻辑,使代码更加模块化
- 移除了过时的依赖项和配置,简化了项目结构
用户体验优化
界面显示改进
- 修复了GitHub通知点的显示问题,确保在所有标签上都能正确显示
- 优化了自动隐藏功能的行为,解决了之前版本中存在的显示异常问题
- 改进了信息块的显示样式,从INFO调整为更醒目的NOTE样式
媒体控制支持扩展
新增对Brave浏览器的媒体源映射支持,使用Brave浏览器的用户现在可以像其他主流浏览器一样,在状态栏上控制媒体播放。
总结
YASB 1.7.6版本通过注册表启动管理、多显示器支持增强、电源计划管理等重要更新,进一步巩固了其作为Windows平台最佳状态栏工具的地位。无论是普通用户还是开发者,都能从这个版本中获得更稳定、更高效的体验。项目团队对代码质量的持续关注也确保了YASB的长期可维护性,为用户提供了可靠的技术基础。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C089
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00