GoldenCheetah v3.7版本发布:运动数据分析工具的全面升级
GoldenCheetah是一款开源的自行车和铁人三项运动数据分析软件,专为运动员、教练和运动爱好者设计。它提供了强大的数据可视化和分析功能,支持从各种运动设备导入数据,并帮助用户深入了解训练效果和运动表现。
核心功能升级
用户界面改进
新版本引入了图形化的启动画面,显示版本信息和加载进度。主窗口现在支持从概览视图直接拖放操作,提升了用户体验。批量处理功能新增了元数据更新选项,使得数据处理更加全面。搜索/过滤框的下拉菜单图标得到改进,颜色主题问题得到修复。
图表功能增强
概览图表增强了拖放项目放置功能,并提供了预览功能。地图图表新增了比较模式,可配置灰度过滤器。性能图表现在支持使用Ctrl+鼠标滚轮进行缩放,以及鼠标滚轮点击拖动进行平移。趋势图表中的曲线新增了忽略零值选项,使数据展示更加清晰。
文件格式支持
新版本改进了对最新Garmin设备使用的FIT结构的支持,解决了无分段数据的问题。现在能够读写FIT文件中的XData开发者字段,确保导入的开发者数据在FIT导出时得到保留。GPX解析器现在支持ns3 TrackPointExtension名称,并在可用时使用速度数据。
训练功能优化
训练模式改进
训练模块底部工具栏采用了新的图标,更好地适应了浅色和深色主题。通过工具栏中的命名训练过滤器,改进了训练项目的选择方式。设备向导新增了蓝牙配对功能,macOS 12.x及以上版本支持BTLE连接。
训练编辑器增强
训练编辑器现在支持MRC风格的qwkcode(以CP百分比表示的功率)。可以从Strava下载路线作为训练计划,或通过查询API从TrainerDay(原ErgDB)下载训练计划。新增了针对坡度/距离训练的缩放海拔小部件和图表。
技术架构升级
Qt框架迁移
v3.7版本的一个重要技术改进是将基础代码迁移到Qt 6,同时保持对Qt 5的兼容性。这一变化为未来的功能开发奠定了基础,并提升了软件的稳定性和性能。升级后的Qwt版本为6.4(qwt-multiaxes分支),提供了更好的图表支持。
构建环境更新
Travis-ci构建环境升级到macOS 12.6和Qt5.15,Linux版本升级到Ubuntu 22.04。AppImage现在支持fuse3,提高了在Linux系统上的兼容性。Qt6视频支持已更新至最新的Qt 6.8.3版本,嵌入式WebEngine浏览器的改进修复了Garmin Connect和Strava等外部网站的登录问题。
数据管理与分析
功率区间优化
新版本引入了功率区间的半自动范围创建功能,简化了训练区间的设置过程。疲劳区间命名进行了统一调整,提高了使用的一致性。数据过滤器新增了isAero功能,帮助分析空气动力学表现。
游泳数据分析
游泳数据解析得到改进,能够正确识别和分类不同的泳姿(0-休息,1-自由泳,2-仰泳,3-蛙泳,4-蝶泳,5-训练,6-混合)。连续休息长度现在会合并为单个区间,并可以设置最小休息长度过滤。
云服务与同步
云数据库现在支持在服务器不可用时回退到本地缓存,提高了数据访问的可靠性。云服务同步对话框根据服务能力进行了适配,提供了更准确的同步选项。运动员级别的WebEngineProfile用于管理cookie和存储,在OAuth工作流程中被禁用,提高了安全性。
开发者功能
Python API新增了删除XData系列和XData的功能,为开发者提供了更灵活的数据管理能力。数据过滤器新增了xdataseries()、xdataunits()和xdatavalues()函数,增强了数据处理能力。
兼容性说明
需要注意的是,趋势图表中忽略零值的选项会使该版本保存的图表与之前版本不兼容。首次启动时,由于启用了步行配速指标,将触发完整的指标重新计算。Windows用户需要安装vc++ redistributable并重启后才能正常运行新版本。
GoldenCheetah v3.7版本通过全面的功能改进和技术升级,为运动数据分析提供了更强大、更稳定的工具,无论是业余爱好者还是专业运动员都能从中受益。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust056
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。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
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
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
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