Veyon 4.9.2 版本发布:教育管理软件的重大更新
Veyon 是一款开源的计算机教室管理软件,专为教育机构设计,允许教师远程监控和控制学生计算机。它支持跨平台操作,包括Windows和Linux系统,广泛应用于学校计算机实验室的教学管理场景。Veyon提供了屏幕监控、远程控制、演示广播等功能,帮助教师更高效地进行数字化教学。
核心功能改进
本次发布的Veyon 4.9.2版本在核心功能方面进行了多项重要改进:
-
Qt 6.8兼容性增强:开发团队优化了软件与Qt 6.8框架的兼容性,确保在不同环境下都能稳定运行。Qt作为跨平台应用开发框架,其新版本的兼容性改进意味着Veyon能够更好地利用现代图形界面特性。
-
会话元数据查询功能:新增了对会话元数据的查询能力,并可将这些数据作为计算机名称使用。这一改进使得系统管理员能够更灵活地识别和管理网络中的计算机设备。
-
用户配置模板支持:主控端现在支持加载用户配置模板,这一功能极大地简化了大规模部署时的配置工作。教育机构可以创建标准化的配置模板,然后快速应用到所有客户端计算机上。
主控端功能增强
Veyon 4.9.2对主控端功能进行了多项实用改进:
-
计算机名称源多样化:新增了对替代计算机名称源的支持,管理员现在可以根据实际需求选择不同的计算机标识方式,提高了系统的灵活性。
-
UID映射替代方案:系统现在支持替代UID映射方式,这一改进特别适用于那些需要特殊用户标识管理的教育环境。
-
配置模板目录设置:配置工具中新增了配置模板目录的设置选项,使模板管理更加集中和便捷。
插件系统优化
Veyon的插件系统在本版本中也获得了显著改进:
-
WebAPI插件稳定性提升:修复了统计变量更新的问题,并引入了独立的worker线程来处理请求,显著提高了WebAPI的响应速度和稳定性。
-
连接管理优化:在worker线程启动定时器前解锁连接,有效解决了可能出现的死锁问题。同时增加了对空闲/生命周期超时的日志记录,便于管理员排查问题。
平台特定更新
Linux平台改进
- libproc2 4.0.5+支持:新增了对libproc2 4.0.5及更新版本的支持,确保Veyon能够在最新的Linux发行版上正常运行。
Windows平台更新
- 第三方库升级:Windows版本更新了多个关键第三方库,包括:
- Qt框架升级至6.8.2版本
- OpenLDAP升级至2.6.9
- libjpeg-turbo升级至3.1.0
- libpng升级至1.6.45
- libvncserver升级至0.9.15
这些更新不仅带来了性能提升,还修复了已知的系统问题,提高了系统的整体安全性。
问题修复
Veyon 4.9.2还修复了多个重要问题:
-
配置工具崩溃问题:修复了在使用Qt 5构建时,清理访问控制组可能导致的崩溃问题,提高了软件的稳定性。
-
WebAPI插件优化:通过引入worker线程和优化连接管理,解决了WebAPI插件中的性能瓶颈问题。
总结
Veyon 4.9.2版本在稳定性、兼容性和功能性方面都有显著提升。特别是对教育机构而言,新增的配置模板支持和灵活的计算机命名方式将大大简化管理员的日常工作。跨平台支持的持续改进也确保了Veyon能够在各种教学环境中稳定运行。对于已经使用Veyon的机构,建议尽快升级到这个版本以获得更好的使用体验和更高的安全性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00