AHK_X11 1.0.4版本发布:Linux平台AutoHotkey增强实现
AHK_X11是一个将Windows平台广受欢迎的自动化工具AutoHotkey(AHK)移植到Linux/X11环境的开源项目。该项目通过重新实现AHK核心功能,使Linux用户也能享受到AHK强大的脚本自动化能力。最新发布的1.0.4版本带来了多项功能增强和问题修复,进一步提升了在Linux环境下的使用体验。
新增Eval命令与DefineCommand指令
1.0.4版本引入了专为AHK_X11设计的新功能——Eval命令。这个命令允许开发者直接执行X11环境下的特定操作,为Linux平台提供了更底层的控制能力。与Windows版AHK不同,这是AHK_X11独有的功能扩展。
同时新增的还有#DefineCommand指令,这是另一个AHK_X11专属特性。该指令为脚本编写提供了更灵活的指令定义方式,使开发者能够创建更适合Linux环境使用的自定义命令。
键盘输入处理的改进
针对Linux环境下特殊键盘状态的处理,本次更新修复了当Caps Lock激活时热键抓取失效的问题。这一改进确保了在各种键盘状态下,热键都能被正确识别和响应,提升了脚本的可靠性。
简化数学运算语法
虽然完整的表达式语法支持仍需时日,但1.0.4版本引入了":="运算符来支持基础数学运算。现在开发者可以编写如"my_var := other_var * (16 + 5)"这样的简单数学表达式。需要注意的是,为了保持兼容性,变量名不需要像传统AHK那样用百分号包围。
构建与分发优化
在构建系统方面,1.0.4版本修复了从源代码构建时的问题,移除了容易引起混淆的.deb包构建方式。项目现在更专注于提供通用的AppImage格式,这种格式在各种Linux发行版上都能直接运行,无需复杂的安装过程。
值得一提的是,AHK_X11现在已进入Arch Linux和NixOS的软件仓库,大大简化了这些发行版用户的安装过程。Arch Linux用户可以通过AUR获取二进制包或从源代码构建,而NixOS的集成也正在进行中。
稳定性提升
1.0.4版本还修复了文件依赖处理的问题,忽略缺失的file依赖项,提高了程序在不同环境下的兼容性。同时修复了之前版本中可能导致启动错误的数学运算实现问题。
对于Linux用户而言,AHK_X11 1.0.4版本标志着这个AutoHotkey移植项目日趋成熟。新增的特性和改进的兼容性使得在Linux环境下实现自动化任务变得更加简单可靠。随着更多Linux发行版的官方支持,AHK_X11正逐渐成为Linux自动化工具链中的重要一环。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00