DooTask v0.45.33版本发布:移动端优化与消息系统增强
DooTask是一款开源的任务管理与团队协作工具,旨在帮助团队高效完成项目管理和日常沟通。该项目采用现代化的技术架构,支持多平台使用,包括Windows、macOS和移动端应用。DooTask集成了任务分配、进度跟踪、即时通讯等功能,为团队协作提供了全面的解决方案。
移动端体验优化
本次v0.45.33版本针对移动端用户体验进行了多项改进。最值得注意的是新增了图片发送提示功能,当用户在移动端选择图片准备发送时,系统会给出明确的提示,避免误操作导致图片意外发送。这一改进特别适合在移动场景下使用,减少了沟通中的潜在误解。
移动端文本选择功能也得到了优化,现在用户可以更轻松地选中消息中的文本内容进行复制或分享。同时,长按消息弹出的操作菜单经过重新设计,布局更加合理,常用功能更加突出,提升了操作效率。
消息系统增强与修复
消息系统是本版本的重点改进领域。开发团队修复了多个影响用户体验的问题:
- 修复了提及功能中可能出现的白色文字显示问题,确保所有提及都能清晰可见
- 解决了群组管理中拉人进群后无法踢出的问题,完善了群组管理功能
- 本地群消息通知现在能正确显示会员昵称,提高了消息辨识度
- 草稿功能得到改进,不会再出现保存上一次内容的情况
- 消息编辑和发布时的序号问题已修复,确保消息顺序准确
- 未读数错误暴增的问题得到解决,通知系统更加可靠
性能与交互优化
在性能方面,本版本对多个核心功能进行了优化:
- 机器人Webhook消息处理逻辑改进,响应更迅速
- 提及搜索功能优化,查找联系人更加高效
- 消息撤回逻辑重构,操作更加流畅
- 对话独立窗口显示效果提升,多任务处理更方便
- 内置浏览器性能增强,加载速度更快
隐私政策提示也进行了优化,在App启动时以更友好的方式向用户展示隐私条款,既保证了合规性,又不会影响用户体验。
多平台支持
DooTask v0.45.33版本继续强化多平台支持,提供了针对不同系统的优化版本:
- 针对macOS平台,提供了ARM64和x64架构的DMG安装包和ZIP压缩包
- Windows用户可选择ARM64或x64架构的安装程序
- 安卓用户可下载APK安装包体验最新功能
每个平台版本都经过针对性优化,确保在不同设备上都能获得流畅的使用体验。特别是对苹果M系列芯片的优化,使macOS版本在ARM架构设备上运行更加高效。
总结
DooTask v0.45.33版本通过一系列优化和改进,显著提升了移动端体验和消息系统的稳定性。这些改进使团队协作更加顺畅,沟通效率得到提升。开发团队持续关注用户反馈,不断优化产品细节,体现了对产品质量的执着追求。
对于使用DooTask进行团队协作的用户来说,升级到v0.45.33版本将获得更稳定、更高效的协作体验。特别是经常使用移动设备的用户,将会明显感受到操作便利性的提升。
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