Lichess移动端v0.14.8版本发布:棋盘主题与游戏书签功能升级
Lichess是一个广受欢迎的开源国际象棋平台,其移动端应用为棋手提供了随时随地对弈和分析的功能。最新发布的v0.14.8版本带来了一系列用户体验改进和功能增强,特别是在视觉定制和游戏管理方面有了显著提升。
视觉体验全面升级
本次更新最引人注目的是棋盘背景主题系统的全面革新。开发团队不仅增加了多种预设背景主题,还优化了主题切换的流畅度和一致性。用户现在可以更自由地定制棋盘外观,包括:
- 新增多套精心设计的背景主题
- 改进了主题切换时的动画效果
- 优化了在不同光照条件下的显示效果
- 增加了棋盘背景与界面元素的协调性
这些视觉改进不仅提升了美观度,更重要的是帮助棋手在不同环境下都能获得舒适的视觉体验,减少长时间对弈带来的视觉疲劳。
分析模式功能增强
分析功能是Lichess移动端的核心功能之一,新版本在这方面做了多项改进:
-
双列走法列表视图:现在当使用双列布局时,走法列表会同时显示评估分数,让棋手可以更直观地了解每步棋的优劣。
-
小型棋盘设置:新增了小型棋盘显示选项,为屏幕空间有限的设备提供了更好的使用体验。
-
树状视图优化:改进了分析树状视图的缓存逻辑,修复了之前存在的索引偏差问题,使分析过程更加流畅。
游戏管理与书签功能
新版本引入了游戏书签功能,这是对游戏管理系统的重大改进:
- 用户现在可以为重要对局添加书签
- 书签游戏会显示在专门的收藏列表中
- 支持从书签列表中直接移除收藏
- 书签与游戏历史记录深度整合
这项功能特别适合需要反复研究特定对局的棋手,或者希望保存精彩比赛的爱好者。
谜题训练改进
谜题训练系统也获得了多项增强:
-
提示按钮:新增了谜题提示功能,当用户卡住时可以获取解题线索。
-
无等级分模式:增加了无等级分谜题选项,让用户可以无压力地练习。
-
杀王主题:新增了"杀王"(killbox)谜题主题,专注于训练将杀技巧。
-
箭头颜色统一:改进了分析模式与谜题模式中箭头颜色的显示一致性。
广播功能优化
针对赛事直播功能,开发团队进行了多项改进:
- 修复了切换赛事轮次时评估条不更新的问题
- 改进了赛事游戏界面的闪烁问题
- 新增了仅显示进行中游戏的筛选功能
- 支持赛事轮次的深度链接
- 优化了翻转棋盘时的时钟显示
技术实现细节
从技术角度看,这个版本包含了多项底层改进:
-
性能优化:改进了事件批处理机制,减少了不必要的界面重绘。
-
代码质量:应用了更严格的导入规则(always_use_package_imports),提高了代码可维护性。
-
本地化支持:修复了世界语等语言的支持问题,并更新了所有翻译。
-
深度链接:增强了Android平台的深度链接支持,提高了与其他应用的互操作性。
用户体验改进
除了上述功能外,版本还包含了许多细节优化:
- 改进了Cupertino风格底部导航栏的显示效果
- 优化了用户资料中位置的显示逻辑
- 为时钟工具添加了紧急提示音
- 修复了对应赛棋局中确认移动的行为
- 改进了坐标训练中的棋盘显示
这些改进共同提升了Lichess移动端的整体使用体验,使其在保持专业功能的同时,更加贴近普通用户的使用习惯。
Lichess移动端v0.14.8版本的发布,再次体现了开源社区持续改进的精神。通过不断优化现有功能和引入新特性,Lichess团队为国际象棋爱好者提供了一个功能全面且易于使用的移动平台。无论是休闲玩家还是专业棋手,都能从这个版本中获得更好的下棋体验。
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