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。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
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- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
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