Maintainerr v2.17.0版本发布:增强质量规则与路径修复
项目简介
Maintainerr是一个专注于媒体库管理的自动化工具,主要用于优化和维护Plex媒体服务器的内容。它能够自动执行各种维护任务,如清理重复项、管理质量规则、处理请求等,帮助用户保持媒体库的整洁和高效运行。
版本亮点
新增质量规则功能
v2.17.0版本为Radarr和Sonarr两大媒体管理工具新增了多项质量规则控制功能,进一步增强了媒体文件的质量管理能力:
-
Radarr增强:
- 新增文件质量达标检测(布尔值):可判断文件质量是否达到预设的cutoff标准
- 新增文件质量名称检测(文本):可获取文件的具体质量名称
-
Sonarr增强:
- 新增质量配置文件名称检测(布尔值)
- 新增剧集文件质量达标检测(布尔值)
- 新增剧集文件质量检测(文本)
这些新规则为用户提供了更精细的质量控制手段,可以创建更复杂的自动化规则来确保媒体库中的内容始终保持最佳质量。
路径修复优化
本次版本还修复了几个与路径处理相关的重要问题:
-
基础路径处理:
- 修复了当使用BASE_PATH环境变量时,某些API端点(如日志流和事件流)可能返回404错误的问题
- 优化了路径拼接逻辑,防止出现未定义的基础路径出现在最终路径中
-
操作符修复:
- 修正了sectionResults操作符的错误实现,确保相关功能正常工作
技术细节
质量规则实现原理
新增的质量规则功能主要通过以下方式实现:
-
对于布尔类型的规则(如质量是否达标),系统会从媒体文件的元数据中提取相关信息,与用户配置的质量标准进行比对,返回真/假结果。
-
对于文本类型的规则(如质量名称),系统直接从媒体文件的元数据中提取相应的文本信息。
这些规则的实现深度集入了Radarr和Sonarr的API,能够实时获取最新的文件质量信息。
路径处理改进
路径处理的改进主要涉及:
-
在构建API端点路径时,现在会正确考虑BASE_PATH配置,确保在各种部署环境下都能正确访问所有端点。
-
优化了路径拼接算法,避免了可能出现的前导或尾随斜杠问题,以及未定义路径段的问题。
升级建议
对于正在使用Maintainerr管理媒体库的用户,建议尽快升级到v2.17.0版本,特别是:
-
依赖质量规则进行自动化管理的用户,可以立即受益于新增的质量控制选项。
-
使用反向代理或自定义基础路径部署的用户,路径修复将显著改善API访问的稳定性。
升级过程与往常一样简单,只需替换容器或二进制文件即可,无需额外的配置变更。
总结
Maintainerr v2.17.0通过新增的质量规则和路径修复,进一步巩固了其作为专业媒体库管理工具的地位。这些改进不仅增强了功能丰富度,也提升了系统的稳定性和可靠性,为用户提供了更加完善的媒体库管理体验。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









