BackInTime 1.5.4-rc1 版本发布:备份工具的优化与改进
BackInTime 是一款基于 Linux 平台的自动化备份工具,它采用类似"时光机"的概念,通过创建系统快照的方式帮助用户保护重要数据。该工具以其简单易用的图形界面和强大的功能在 Linux 用户中广受欢迎。最新发布的 1.5.4-rc1 版本作为候选版本,带来了一系列功能改进和问题修复,同时为即将随 Debian 13(Trixie)长期支持版本发布做准备。
核心变更与功能增强
本次版本更新在多个方面进行了优化,其中最重要的改进包括:
-
加密功能调整:EncFS 加密方案已被标记为废弃状态,并计划在 2026 年完全移除。这一变更源于 EncFS 的安全性问题,开发团队建议用户提前规划替代方案。
-
移除与保留策略重构:原"智能移除"和"自动移除"功能被重新组织并更名为"移除与保留",界面更加清晰直观。值得注意的是,默认设置中"空闲 inode"和"空闲空间"规则已被禁用,用户需要根据实际需求手动启用。
-
状态管理改进:引入了新的状态文件($XDG_STATE_HOME/backintime.json),将部分原存储在配置文件中的值迁移至此,使配置管理更加合理。
-
调度功能增强:新增了每小时计划任务的分钟偏移量配置选项,用户现在可以更灵活地设置备份时间,避免所有任务同时运行导致的资源争用问题。
技术细节与问题修复
在技术实现层面,本次更新包含了多项重要修复:
- 快照比较功能现在能够正确处理符号链接,修复了之前版本中符号链接被错误复制为普通文件的问题。
- 修复了当比较包含指向不存在目标的符号链接快照时导致的程序崩溃问题。
- 解决了文件视图第四列宽度无法保存的问题,提升了用户体验的一致性。
- 修复了使用未知区域设置/语言打开语言设置对话框时导致的崩溃问题(KeyError)。
用户体验改进
开发团队对用户界面进行了多项优化:
- 新增工具栏上下文菜单,允许用户自定义按钮显示方式(图标、文本或两者兼具),满足不同用户的操作习惯。
- 帮助菜单现在可以智能判断并优先打开本地用户手册,当本地手册不可用时自动转向在线文档。
- 完全遵循 REUSE.software 和 SPDX 标准重新组织了许可证信息,使法律合规性更加透明。
已知问题与注意事项
尽管该候选版本已经过充分测试,但仍存在一些已知问题需要用户注意:
- 当以 root 用户身份通过 cron 运行 BackInTime 时,qt_probing.py 可能出现高 CPU 使用率并挂起的问题。
- 文件权限处理机制可能导致非差异备份的情况发生。
总结与展望
BackInTime 1.5.4-rc1 作为即将随 Debian 13 长期支持版本发布的候选版本,在稳定性、功能性和用户体验方面都做出了显著改进。开发团队特别感谢众多贡献者的支持,包括问题报告、代码提交和测试反馈等各个方面。
对于计划升级的用户,建议在测试环境中先行验证新版本与现有备份配置的兼容性,特别是注意加密方案变更可能带来的影响。随着 EncFS 的逐步淘汰,用户应开始评估替代加密方案,为未来的版本升级做好准备。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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