keyd项目中鼠标对角线移动抖动问题的分析与解决
问题背景
在keyd项目中,用户报告了一个关于鼠标行为的异常现象:当在某些图形应用程序(如GIMP和Krita)中使用时,鼠标在沿对角线移动时会出现明显的抖动现象。这个问题在Wayland(Hyprland和Sway)和X11(AwesomeWM)环境下均能复现,但在浏览器和Inkscape等应用中表现正常。
技术分析
经过深入分析,这个问题与以下几个技术因素相关:
-
鼠标事件处理机制:不同的应用程序对鼠标事件的处理方式存在差异。GIMP和Krita这类图形处理软件通常需要更精确的鼠标移动数据,可能使用了特定的鼠标事件类型。
-
设备识别问题:某些高端鼠标(如Logitech MX系列)可能会被错误识别为键盘设备,因为这类设备通常能够发送大量按键信号。这种错误识别导致keyd不恰当地捕获了鼠标事件。
-
事件模拟不足:初步判断表明,keyd当时未能完全模拟某些图形应用程序所需的特定鼠标事件类型。
解决方案
项目维护者通过以下步骤解决了这个问题:
-
代码修复:提交了专门的代码提交(d577872)来修复鼠标抖动问题。这个修复主要改进了鼠标事件的模拟机制,确保所有必要的鼠标事件类型都能被正确处理。
-
灵敏度调整:在初始修复后,发现鼠标滚轮变得过于敏感。这是由于修复引入了一个新bug,导致滚轮事件被重复触发。
-
二次修复:通过后续提交(f219a88)解决了滚轮灵敏度问题,最终实现了稳定的鼠标行为。
用户配置建议
对于遇到类似问题的用户,可以考虑以下配置方案:
-
设备黑名单:如果不需要重映射鼠标按钮,可以在配置文件中将特定设备ID加入黑名单(使用
-<id>语法)。 -
版本更新:确保使用包含完整修复的最新版本keyd。
-
应用特定配置:对于图形应用程序,可以尝试调整keyd的鼠标事件处理参数以获得最佳体验。
技术启示
这个案例展示了输入设备管理软件的复杂性,特别是在处理多功能外设时。它强调了:
-
设备识别的重要性:准确的设备类型识别是正确处理输入事件的基础。
-
事件模拟的全面性:需要完整模拟目标应用程序所需的所有事件类型。
-
回归测试的必要性:修复一个问题时可能引入新的问题,需要全面的测试流程。
通过这次问题的解决,keyd项目的鼠标支持功能得到了显著改进,为后续类似问题的处理提供了宝贵经验。
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