Escrcpy v1.28.7 版本发布:设备管理与窗口优化的双重升级
Escrcpy 是一款开源的 Android 设备屏幕镜像与控制工具,它允许用户通过电脑远程操作 Android 设备,实现屏幕镜像、文件传输、输入控制等功能。作为 scrcpy 的增强版本,Escrcpy 在原有功能基础上进行了多项优化和改进,提供了更加丰富的功能和更流畅的用户体验。
设备列表过滤优化
在本次 v1.28.7 版本中,开发团队修复了设备列表中的重复过滤条件问题。这个改进对于经常需要连接多个设备的用户尤为重要。在之前的版本中,当用户设置多个过滤条件时,可能会出现条件叠加或重复应用的情况,导致设备列表显示不准确或筛选结果不符合预期。
新版本通过重构过滤逻辑,确保了每个过滤条件都能正确且独立地应用于设备列表。这意味着用户可以更精确地筛选出目标设备,特别是在以下场景中:
- 同时连接了多个厂商的不同型号设备
- 需要根据设备状态(如在线/离线)进行筛选
- 按照设备名称或序列号进行模糊搜索
窗口位置恢复机制增强
另一个重要改进是解决了主窗口在特定情况下被移出屏幕后无法恢复的问题。这个问题在以下场景中尤为明显:
- 使用多显示器设置时,当主显示器被断开
- 在高DPI显示器与普通显示器之间切换
- 窗口被意外拖动到屏幕可视区域之外
新版本实现了更智能的窗口位置恢复机制,当检测到窗口位置不可见时,会自动将其重新定位到主显示器的可视区域内。这一改进不仅提升了用户体验,也减少了因窗口位置问题导致的操作中断。
性能优化与功能增强
本次更新还包含了几项重要的性能优化:
-
自动化镜像性能提升:通过优化底层通信协议和数据处理流程,减少了镜像延迟,提升了画面流畅度,特别是在长时间镜像场景下表现更为稳定。
-
横屏截图显示优化:针对Android设备横屏模式下的截图功能进行了视觉优化,现在截图后的预览和保存效果更加符合实际显示比例,避免了图像变形或裁剪不当的问题。
-
单实例启动支持:主面板现在支持单实例启动模式,这意味着即使用户多次点击启动程序,也只会保持一个运行实例。这一改进不仅节省了系统资源,也避免了多个实例可能导致的设备连接冲突。
技术实现亮点
从技术角度来看,本次更新的几个关键点值得开发者关注:
-
窗口管理策略:新的窗口恢复机制采用了更全面的屏幕空间检测算法,结合了显示器拓扑结构分析,确保窗口始终位于有效显示区域内。
-
设备过滤架构:重构后的设备过滤系统采用了责任链模式,使各个过滤条件可以灵活组合而又互不干扰,提高了代码的可维护性和扩展性。
-
进程间通信优化:单实例功能的实现依赖于改进的进程间通信机制,确保了新启动的进程能够正确检测到已有实例并传递参数。
用户升级建议
对于现有用户,建议尽快升级到 v1.28.7 版本以获得更稳定的使用体验。特别是以下用户群体将明显受益于本次更新:
- 需要同时管理多台Android设备的测试人员或开发者
- 经常在不同显示器配置环境下工作的用户
- 依赖自动化脚本进行设备镜像的专业用户
新版本在保持原有功能完整性的同时,进一步提升了稳定性和用户体验,是Escrcpy发展历程中的一个重要里程碑。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00