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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00