Berry窗口管理器0.1.13版本发布:聚焦优化与窗口管理增强
2025-07-07 21:22:54作者:牧宁李
Berry是一款轻量级、高性能的X11窗口管理器,以其简洁的设计理念和高效的窗口管理能力受到Linux用户的青睐。最新发布的0.1.13版本带来了一系列实用的功能改进和问题修复,显著提升了用户体验和系统稳定性。
聚焦点击行为的原生支持
在之前的版本中,通过点击窗口内容区域(而非标题栏)来聚焦窗口的功能需要依赖外部工具如sxhkd来实现。这种实现方式虽然可行,但在某些场景下会出现兼容性问题,特别是当用户与应用程序的下拉菜单(如Firefox的菜单选择)交互时。
0.1.13版本将这一功能直接集成到了Berry的核心中,新增了focus_on_click配置选项。这一改进带来了两个主要优势:
- 更好的兼容性:原生实现的点击聚焦机制能够更智能地处理各种窗口事件,避免了与应用程序菜单系统的冲突。
- 更简洁的配置:用户不再需要额外配置
sxhkd或其他键绑定工具来实现这一基础功能,减少了系统依赖和配置复杂度。
窗口管理功能增强
新版本在窗口管理方面做了两项重要改进:
强制关闭窗口功能
新增的window_kill命令为用户提供了强制关闭无响应或行为异常窗口的能力。这与常规的window_close命令形成互补:
window_close:适用于正常情况下的窗口关闭,会发送标准的关闭请求window_kill:作为最后手段,直接终止窗口进程
这种分层设计既保留了优雅关闭的途径,又为系统稳定性提供了保障。
底层窗口支持
Berry现在完整支持EWMH标准的_NET_WM_STATE_BELOW属性,并提供了相应的window_below控制命令。这一特性允许用户:
- 将特定窗口固定在Z轴底层
- 实现类似"桌面部件"的效果
- 创建不会被常规窗口遮挡的特殊界面元素
问题修复与行为修正
0.1.13版本修复了一个影响窗口布局的重要问题:之前被忽略的smart_place配置选项现在能够正常工作。这一选项控制着新窗口的智能放置策略,修复后能够:
- 更合理地分配屏幕空间
- 避免窗口重叠
- 根据工作区使用情况优化窗口位置
技术实现分析
从架构角度看,0.1.13版本的改进体现了Berry项目的一些设计原则:
- 功能内聚:将基础功能(如点击聚焦)从外部工具迁移到核心模块,提高了可靠性和一致性。
- 标准兼容:通过完善EWMH支持,确保与其他X11工具和应用的互操作性。
- 用户体验优先:新增的强制关闭功能虽然技术上简单,但从实际使用场景出发解决了用户的痛点。
这些改进使得Berry在保持轻量级特性的同时,提供了更加完善和稳定的窗口管理体验,特别适合追求效率的Linux高级用户和开发者。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868