Posting 2.6.0发布:HTTP客户端迎来行编辑与紧凑模式等重大更新
Posting是一款现代化的命令行HTTP客户端工具,它提供了直观的终端界面,让开发者能够方便地发送HTTP请求、测试API接口以及管理请求集合。与传统的curl等工具相比,Posting通过丰富的可视化界面和交互功能,大大提升了开发者的工作效率。
核心功能升级
行编辑功能革新
在2.6.0版本中,Posting彻底重构了表行编辑体验。开发者现在可以直接编辑请求头、查询参数和表单数据,而不再需要先删除再重新添加。这一改进通过以下交互方式实现:
- 按Enter键进入编辑模式,焦点自动跳转到键名输入框
- 按v键直接编辑值内容
- 按Escape取消编辑
- 再次按Enter保存修改
编辑状态下,输入框背景色会发生变化以提供视觉反馈。这一改进显著减少了修改请求参数时的操作步骤,特别是在需要微调多个参数时尤为实用。
紧凑模式设计
新版本引入了可选的紧凑界面模式,通过配置文件中设置spacing: compact即可启用。该模式移除了不必要的内边距和边框,使界面更加紧凑,能在有限屏幕空间内显示更多内容。
紧凑模式支持运行时动态切换,开发者可以通过命令面板随时在标准模式和紧凑模式间切换。这一特性特别适合在小屏幕终端或需要同时查看多个信息面板的场景下使用。
智能辅助功能增强
头部值自动补全
Posting 2.6.0增强了头部字段的智能补全能力。当输入特定头部字段的值时,系统会根据字段名提供相关的值建议。例如:
- 输入Content-Type头部时,会自动提示常见的MIME类型
- 输入Accept头部时,会提示常用的内容协商值
补全系统经过重构,响应更加迅速准确。用户可以通过Enter键接受补全建议,再次按Enter确认提交。
快捷操作优化
版本对快捷键系统进行了多项优化:
- 在集合浏览器聚焦状态下,按/键可直接打开请求搜索面板
- 新增"打开在线文档"命令,方便快速查阅帮助
- 脚本输出日志现在支持Vim风格的hjkl导航键
- URL栏新增响应状态码标签,提升信息可见性
底层架构改进
自动协议处理
当用户在URL栏输入地址时,如果未指定协议,系统会自动添加http://前缀。这一细节改进减少了因协议缺失导致的请求失败。
性能优化
- 跳转覆盖层(overlay)的重绘逻辑加入防抖机制,避免频繁调整窗口大小时出现性能问题
- 修复了启动时立即发送请求可能导致的崩溃问题
- 改进了补全系统的交互逻辑,避免误操作
开发者体验提升
Posting 2.6.0基于Textual 3.0框架构建,带来了更稳定的UI基础。项目还新增了贡献指南,方便社区开发者参与项目共建。
对于响应信息的展示也做了多项优化:
- 无Cookie时显示友好提示
- 请求描述区域采用新设计
- 修复了表格中Textual标记的转义问题
Posting 2.6.0通过这一系列改进,进一步巩固了其作为现代化命令行HTTP客户端的地位。无论是日常API测试还是复杂的接口调试,新版本都能提供更高效、更智能的工作体验。特别是行编辑和紧凑模式的加入,让开发者能在终端环境中获得接近GUI工具的便捷性,同时保持命令行工作流的高效性。
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