Lan-Mouse项目:如何配置系统服务实现开机自启
Lan-Mouse是一款通过局域网共享鼠标和键盘的开源工具。本文将详细介绍如何将其配置为系统服务实现开机自动运行,并分析其中的技术实现细节。
服务配置文件解析
Lan-Mouse可以通过systemd用户服务实现后台运行。以下是推荐的配置文件内容:
[Unit]
Description=Mouse & keyboard sharing via LAN
After=graphical-session.target
[Service]
ExecStart=/usr/bin/lan-mouse --daemon
Restart=on-failure
[Install]
WantedBy=graphical-session.target
这个配置有几个关键点值得注意:
-
图形会话依赖:服务必须在图形会话准备就绪后启动(
After=graphical-session.target),这是为了确保输入设备能够正确捕获 -
后台运行参数:使用
--daemon参数让程序以守护进程方式运行 -
自动重启:配置
Restart=on-failure确保服务异常退出时能够自动恢复
服务安装与启用
安装服务只需将上述配置文件保存到/usr/lib/systemd/user/lan-mouse.service,然后执行:
systemctl --user daemon-reload
systemctl --user enable --now lan-mouse.service
技术实现细节
Lan-Mouse的服务化有几个技术难点需要注意:
-
图形会话依赖:程序需要等待图形会话完全就绪才能正常工作,过早启动会导致回退到虚拟后端
-
网络依赖:虽然程序本身是无连接的,但仍需要基本的网络功能可用
-
自动连接:通过配置文件中的
activate_on_startup = true选项可以实现开机自动连接 -
输入权限:在GNOME等桌面环境下,每次重启都会弹出输入捕获/模拟的权限请求
进阶考虑
对于更复杂的部署场景,开发者还讨论了以下可能性:
-
系统级服务:虽然技术上可行,但目前实现需要等待会话就绪机制
-
后台门户集成:未来可能通过Flatpak的后台/自启动门户实现更用户友好的方案
-
托盘图标:作为增强用户体验的潜在功能点
最佳实践建议
-
不建议默认启用服务,以避免每次启动都弹出权限请求
-
对于需要长期运行的系统,可以考虑启用用户会话的"linger"功能
-
配置文件应放置在用户目录下(
~/.config/lan-mouse/config.toml)
通过以上配置,Lan-Mouse可以稳定地作为后台服务运行,实现鼠标键盘的局域网共享功能。开发者还在不断完善相关功能,未来版本可能会提供更便捷的服务管理方式。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00