如何用一套鼠标键盘控制多台电脑:Lan Mouse局域网共享方案详解
在多设备办公环境中,每个电脑配备独立鼠标键盘不仅造成硬件资源浪费,更导致工作流频繁中断。研究表明,频繁在不同设备间切换输入工具会使工作效率降低37%,而传统KVM切换器又存在成本高、线缆复杂的问题。Lan Mouse作为一款开源跨平台解决方案,通过局域网内的无线连接,让用户仅用一套鼠标键盘就能无缝控制多台电脑,彻底解决多设备输入切换的痛点。
部署Lan Mouse解决跨设备控制难题
准备开发环境与依赖
Lan Mouse基于Rust语言开发,需要先安装Rust工具链。克隆项目仓库后,根据不同操作系统执行相应的准备步骤:
git clone https://gitcode.com/gh_mirrors/la/lan-mouse
cd lan-mouse
Linux用户直接编译项目:cargo build --release
macOS用户需先准备依赖库:scripts/copy-macos-dylib.sh
Windows用户可使用Visual Studio打开项目编译或下载预编译版本
完成基础配置与设备发现
首次启动编译后的可执行文件,程序会自动完成以下配置:
- 生成唯一设备证书与指纹(位于配置文件
config.toml中) - 启动局域网服务,默认监听4242端口
- 搜索并列出网络中的其他Lan Mouse设备
Lan Mouse深色主题主界面,显示设备连接状态和证书指纹信息,适合夜间或低光环境使用
掌握核心功能与实际应用场景
建立安全设备连接
在"Connections"区域点击"Add"按钮添加新设备,输入目标设备的主机名或IP地址及端口号。系统采用证书指纹验证机制确保连接安全,每个设备首次连接时需要在两端确认指纹匹配。连接建立后,可通过"position"下拉菜单设置设备相对位置(左、右、上、下),实现鼠标在不同设备屏幕间的平滑过渡。
处理授权请求与连接管理
当其他设备请求连接时,"Incoming Connections"区域会显示请求设备的指纹信息。点击"Authorize"按钮完成授权后,设备状态会变为已连接。对于不再需要的连接,可通过"delete this client"选项移除,确保网络环境的整洁可控。
Lan Mouse浅色主题界面,展示了已连接设备"thorium"的配置信息和位置设置,适合明亮办公环境
深入优化与高级配置技巧
提升安全性与网络防护
虽然默认配置已能满足基本安全需求,建议通过以下方式增强防护:
- 编辑
config.toml启用加密传输:encryption = true - 导入防火墙规则:
firewall/lan-mouse.xml限制网络访问 - 定期在"General"区域更新证书指纹
优化多设备协作体验
根据实际使用场景调整高级参数:
- 修改
src/config.rs中的鼠标采样率参数优化响应速度 - 设置设备相对位置实现多显示器无缝切换
- 配置快捷键实现设备间快速切换(需在GTK界面中设置)
Lan Mouse的模块化架构设计(核心模块位于input-capture/和input-emulation/目录)确保了跨平台兼容性和性能优化。无论是程序员在Windows、Linux和macOS间切换开发环境,还是设计师使用多显示器工作流,这款工具都能提供接近本地操作的流畅体验,重新定义多设备办公的输入方式。
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 StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07