rmlint v2.10.3版本发布:文件清理工具的重大更新
项目简介
rmlint是一个高效的文件清理工具,主要用于查找和删除系统中的重复文件、空文件、损坏的符号链接等无用文件。它通过智能算法快速扫描文件系统,帮助用户释放磁盘空间并保持系统整洁。rmlint以其高性能和灵活性著称,支持多种操作系统和文件系统特性。
版本亮点
rmlint v2.10.3版本代号"Ludicrous Lemur"(疯狂的狐猴),带来了多项重要改进和修复,显著提升了工具的稳定性、兼容性和用户体验。
主要更新内容
新增功能
-
编译选项优化:新增了
--without-compile-glib-schemas选项,允许用户在安装或卸载时避免重新编译系统模式,提高了安装过程的灵活性。 -
平台兼容性扩展:
- 新增对Solaris操作系统的支持
- 增强了对老版本macOS PowerPC架构的兼容性
-
持续集成改进:全面迁移到Github CI,改善了开发流程和代码质量保证机制。
重要变更
-
GUI界面升级:将GtkSourceView从3.0版本迁移到4.0版本,带来了更现代的图形界面体验和更好的性能。
-
依赖项统一:将Glib的最低版本要求统一为2.64,简化了不同架构下的依赖管理。
-
测试框架迁移:从nose测试框架迁移到更现代的pytest框架,提高了测试的可靠性和可维护性。
-
临时文件管理优化:
- 将stamp文件创建位置改为/tmp目录
- 在整个运行过程中重用相同的stamp文件
- 修复了dry-run模式下创建stamp文件的问题
- 确保stamp文件在退出时被正确删除
问题修复
-
数据安全修复:修复了在使用不包含校验和的回放文件(如硬链接)时可能导致数据丢失的问题。
-
配置检查改进:修复了xattr函数的配置检查问题,提高了工具的可靠性。
-
编译警告处理:解决了使用GLib 2.84及以上版本时的编译警告问题。
-
字符串处理优化:
- 修复了生成的shell脚本中的recheck问题
- 转义了JSON输出中的CWD和参数字符串
- 修复了特定目录名导致的测试失败问题
-
其他改进:
- 修复了配置过程中生成空'-.o'文件的问题
- 解决了Shredder引导问题
- 进行了代码整理和linting改进
技术影响
本次更新从多个维度提升了rmlint的实用价值:
-
跨平台能力增强:新增的Solaris和PowerPC支持使rmlint能够在更广泛的系统环境中发挥作用。
-
稳定性提升:多项数据安全修复和配置检查改进降低了工具使用过程中的风险。
-
开发体验优化:测试框架迁移和CI改进为开发者提供了更高效的开发环境。
-
用户体验改善:GUI升级和临时文件管理优化使工具更加用户友好。
总结
rmlint v2.10.3版本是一次全面的质量提升更新,既解决了已知问题,又扩展了工具的能力边界。对于系统管理员和需要管理大量文件的用户来说,这个版本提供了更可靠、更高效的重复文件清理解决方案。特别是数据安全修复和跨平台支持的增强,使得rmlint在专业环境中的应用更加值得信赖。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112