pyRevit项目v5.2.0版本发布:Revit自动化工具的重大更新
pyRevit是一个基于Python的开源Revit插件框架,它为Autodesk Revit软件提供了强大的扩展能力和自动化工具。该项目通过Python脚本扩展了Revit的功能,使建筑设计师和工程师能够更高效地完成重复性任务、批量处理数据和自定义工作流程。
核心功能更新
新增pyrevit-mcp扩展模块
本次5.2.0版本最显著的更新是引入了pyrevit-mcp扩展模块。这个由JotaDeRodriguez贡献的扩展为Revit用户提供了更多专业级的建筑信息模型处理能力。该模块特别适合需要进行复杂模型检查和处理的专业用户,它扩展了pyRevit在模型协调和质量控制方面的功能。
面板标题支持增强
开发团队在.panel bundle.yaml配置文件中新增了对'title:'属性的支持。这一改进使得扩展开发者能够更灵活地定义面板标题,为自定义UI提供了更多可能性。用户现在可以通过简单的YAML配置来自定义工具面板的显示标题,而无需修改底层代码。
工具功能优化
图纸处理工具改进
- 复制图纸工具现在能够保留详图编号,解决了用户在跨文档复制图纸时详图编号丢失的问题
- 修订报告生成工具进行了功能增强,为用户提供了更多控制选项
- 创建修订图纸集工具同样获得了更多用户控制参数,使修订管理更加灵活
模型检查与预检功能
预检检查工具新增了CSV导出功能,用户现在可以将审计结果导出为CSV格式,便于在商业智能(BI)工具中进一步分析。这一功能特别适合需要生成质量报告或进行项目审计的用户。
参数管理工具
- 字体切换工具全新加入工具集,为用户提供了快速修改文本样式的便捷方式
- 清除族参数工具增加了"关联到其他"选项,扩展了参数清理的范围
- 编号重排工具修复了多个UI视图同时打开时的处理逻辑问题
技术改进与修复
底层架构优化
开发团队解决了LibGit2Sharp库缺少CredentialsProvider的问题,这一修复由dnenov贡献,显著提升了与Git仓库交互的稳定性。同时,对int64类型的支持改进确保了工具在Revit 2026中的LongId处理能力。
用户体验提升
- 快速工具栏扩展由tay0thman贡献,提供了更便捷的工具访问方式
- 颜色标记工具修复了MEP区域和空间的行为问题,并修正了错误的Revit API类调用
- 选择列表功能由iorhanV进行了优化,提升了交互体验
总结
pyRevit 5.2.0版本带来了多项功能增强和问题修复,特别是在模型检查、图纸处理和参数管理方面有了显著改进。新增的pyrevit-mcp扩展为专业用户提供了更强大的模型处理能力,而各种工具的优化则进一步提升了日常工作的效率。这些更新使得pyRevit继续保持在Revit自动化工具领域的领先地位,为建筑信息模型工作流程提供了更多可能性。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00