Rocket.Chat 7.4.0-rc.0版本发布:全面增强实时通讯功能
Rocket.Chat作为一款开源的实时通讯平台,在7.4.0-rc.0版本中带来了多项功能增强和问题修复,进一步提升了系统的稳定性、安全性和用户体验。本文将详细介绍这一版本的主要技术改进。
核心功能增强
在7.4.0-rc.0版本中,Rocket.Chat对多个核心功能进行了优化。首先新增了rooms.hide端点,允许用户通过房间ID隐藏任何类型的房间,这为管理员提供了更灵活的聊天室管理能力。对于Livechat模块,现在支持在多部门和Livechat单元上进行过滤查询,大大增强了客服系统的管理能力。
系统消息处理方面新增了IPostSystemMessageSent事件,当系统消息发送时会触发此事件,为开发者提供了更多扩展可能性。在VoIP功能上,实现了对视频会议铃声和拨号音量的用户偏好控制,解决了之前视频会议总是以最大音量播放的问题。
性能与稳定性改进
此版本对Omnichannel会话启动过程进行了事务性处理改造,提高了系统的数据一致性。同时修复了路由算法忽略Livechat_enabled_when_agent_idle设置的问题,确保空闲用户不会被分配到咨询请求中。
在消息处理方面,修复了非拉丁语高亮显示不一致的问题,确保非拉丁字符能被可靠地检测和突出显示。对于消息排序,增强了im.messages和dm.messages端点的多参数排序支持。
安全性与合规性提升
安全方面,7.4.0-rc.0版本引入了DOMPurify和he库来净化ECDH和Livechat错误信息,防止XSS攻击。修复了可能导致私人应用安装失败时显示空错误消息的问题,提升了错误处理的友好性。
在用户隐私方面,实现了OTR(端到端加密)会话结束后立即删除相关消息的功能,增强了通讯的私密性。同时修复了可能导致公共频道新消息被未订阅用户看到的安全问题。
用户体验优化
界面交互方面有多项改进:修复了启用/禁用TOTP双因素认证时UI不实时更新的问题;优化了侧边栏点击时的重渲染性能;提升了图片库图标按钮的颜色对比度以满足WCAG可访问性标准。
对于管理员,修复了企业工作区中某些高级布局设置无法更新的问题,并改进了权限搜索功能。在消息导出功能中,现在会包含文件类型附件的元数据,使导出内容更加完整。
技术架构升级
底层技术栈方面,将Meteor框架升级至3.1.2版本,Node.js升级至20.13.1版本。推送通知服务从已弃用的GCM切换为FCM,为自定义移动应用提供了更可靠的推送支持。
在API设计上,修复了channels.list端点拒绝分页参数的问题,并验证了创建或编辑Omnichannel联系人时的重复邮箱和电话号码,提高了数据质量。
这一版本的发布标志着Rocket.Chat在实时通讯领域的持续创新,通过多项功能增强和问题修复,为用户提供了更稳定、安全和高效的协作体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00