GAM项目v7.05.15版本发布:增强Google Drive文件操作功能
GAM(Google Apps Manager)是一个功能强大的命令行工具,用于管理Google Workspace(原G Suite)的各项服务。该项目通过命令行界面提供了对Google Workspace各项功能的精细控制,特别适合系统管理员进行批量操作和自动化管理。
版本亮点
本次发布的v7.05.15版本主要针对Google Drive文件操作功能进行了重要增强,特别是对Google Apps Scripts(GAS)文件的支持。这一更新使得管理员能够更加灵活地管理和迁移Google Apps Script项目。
核心功能更新
Google Apps Scripts文件下载功能
新版本扩展了gam <UserTypeEntity> get drivefile命令的功能,现在支持直接下载Google Apps Scripts项目文件。这一功能特别适合以下场景:
- 备份重要的脚本项目
- 在不同账户间迁移脚本
- 对脚本进行版本控制
使用示例展示了如何以JSON格式下载指定用户的Google Apps Script项目文件,下载后的文件保留了原始的项目结构和内容。
Google Apps Scripts文件上传功能
相应地,gam <UserTypeEntity> create drivefile命令也得到了更新,支持上传JSON格式的Google Apps Script项目文件。这一功能具有以下特点:
- 支持指定目标MIME类型为
application/vnd.google-apps.script+json - 可以自定义上传后的文件名
- 保留原始脚本的所有功能和设置
示例中演示了如何将一个本地JSON格式的脚本项目上传到另一个用户的Google Drive中,并自动转换为可执行的Google Apps Script。
技术实现分析
这一更新背后的技术实现涉及以下几个关键点:
-
文件格式处理:Google Apps Scripts项目以特殊格式存储,新版本正确处理了这种格式的序列化和反序列化。
-
API调用优化:针对Google Drive API的特殊要求,实现了对Apps Script文件类型的专门处理。
-
元数据保留:在上传下载过程中确保脚本的元数据和配置信息不丢失。
应用场景
这一功能更新为管理员提供了更多可能性:
-
脚本迁移:轻松将脚本从一个用户迁移到另一个用户,保持功能完整。
-
批量部署:可以预先准备好脚本模板,然后批量部署到多个用户账户。
-
版本管理:将脚本下载到本地后,可以使用传统版本控制系统进行管理。
-
自动化备份:设置定期任务自动备份关键业务脚本。
使用建议
对于需要使用这些新功能的用户,建议:
-
在操作前确保有足够的权限访问目标用户的Drive和Script服务。
-
对于重要脚本,先在小范围测试迁移效果。
-
注意文件名冲突问题,系统会自动添加后缀避免覆盖现有文件。
-
考虑使用JSON格式便于后续处理和版本控制。
总结
GAM v7.05.15版本的这一更新显著增强了Google Workspace管理员对Google Apps Script项目的管理能力。通过命令行界面实现脚本项目的下载和上传,为自动化管理流程提供了新的可能性,特别是在批量操作和系统迁移场景下将大大提高效率。这一功能也体现了GAM项目持续关注管理员实际需求,不断扩展其功能覆盖范围的开发理念。
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