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。
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