Ring客户端API 14.0.0版本发布:重大升级与功能增强
Ring客户端API是一个用于与Ring智能家居设备交互的JavaScript库,它提供了与Ring门铃、摄像头、安全系统等设备通信的能力。这个开源项目让开发者能够构建自己的Ring设备控制应用或集成到现有智能家居平台中。
重大变更
放弃Node 18支持
随着Node.js 18版本达到生命周期终点,Ring客户端API 14.0.0版本不再支持该Node版本。这是技术栈维护的常规操作,确保项目能够利用最新的Node.js特性和安全更新。开发者需要将运行环境升级到Node.js 20或更高版本才能使用此版本。
项目转为ESM模块
14.0.0版本将整个项目从CommonJS迁移到了ESM(ECMAScript Modules)模块系统。这一变化反映了JavaScript生态系统的现代发展趋势,ESM提供了更好的静态分析能力、更清晰的模块边界和浏览器兼容性。对于使用该库的项目来说,如果希望升级到最新版本,也需要将项目转为使用ESM模块系统。
功能增强
新型设备支持
本次更新增加了对两款新型Ring设备的支持:
- Battery Video Doorbell Pro - Ring的电池供电专业版视频门铃
- Battery Video Doorbell Plus - 电池供电的增强版视频门铃
这意味着开发者现在可以通过API与这些最新设备进行交互,获取视频流、接收通知等。
门铃通知功能优化
针对特定型号的门铃(门铃_graham_cracker),更新优化了录制过程中的快照处理逻辑。这一改进使得这些设备在homebridge等智能家居平台中能够更可靠地发送通知,提升了用户体验。
技术改进
WebSocket连接升级
14.0.0版本使用undici替代了原有的WebSocket实现,这一变化带来了多重好处:
- 解决了报警系统和灯光集线器的WebSocket连接问题
- 移除了过时的socket.io客户端依赖
- 提升了连接稳定性和性能
TypeScript类型优化
对TypeScript类型定义进行了清理和优化,特别是将枚举类型替换为对象和联合类型。这一变更使得类型系统更加精确,同时减少了运行时开销,虽然对现有TypeScript项目会有轻微影响,但带来了更好的类型安全性和开发体验。
依赖更新
项目维护团队持续关注依赖库的更新,本次发布包含了多项依赖升级,确保项目安全性并利用最新功能。这些更新包括但不限于:
- 安全相关的依赖更新
- 性能优化库版本升级
- 开发工具链改进
总结
Ring客户端API 14.0.0版本是一个重要的里程碑,它不仅跟进了JavaScript生态的最新发展(ESM模块),还通过技术债务清理和功能增强提升了整体稳定性和可用性。对于智能家居开发者来说,这次更新意味着更强大的设备支持能力和更可靠的API行为,为构建更复杂的Ring设备集成应用奠定了基础。
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