PSPG项目新增WSL2环境下clip.exe剪贴板支持
在数据库命令行工具PSPG的最新版本中,开发团队新增了对Windows Subsystem for Linux 2(WSL2)环境下clip.exe剪贴板程序的支持。这一改进使得在WSL2环境中使用PSPG时,能够更便捷地将查询结果复制到Windows系统剪贴板中。
背景与需求
WSL2作为微软推出的Linux子系统,允许用户在Windows系统上运行原生Linux环境。然而,由于WSL2与Windows主机采用不同的架构,传统的Linux剪贴板工具如xclip在WSL2中需要额外配置X服务器才能正常工作。而Windows系统自带的clip.exe程序则可以直接在WSL2环境中使用,无需额外配置。
PSPG作为一个功能强大的PostgreSQL分页显示工具,原本支持三种剪贴板程序:
- wl-clipboard (Wayland环境)
- xclip (X Window系统)
- pbcopy (macOS系统)
实现方案
开发团队在PSPG中新增了第四个剪贴板选项,通过--clipboard-app=4参数可以显式指定使用clip.exe程序。该程序在WSL2环境中的典型路径为/mnt/c/WINDOWS/system32/clip.exe,且WSL2已自动将该路径加入系统PATH环境变量。
在实现过程中,开发团队最初遇到了剪贴板写入错误的问题,经过调试后发现需要采用与macOS的pbcopy类似的实现方式。最终版本确保了clip.exe能够正确接收输入并将其写入Windows系统剪贴板。
自动检测优化
虽然显式指定--clipboard-app=4可以确保使用clip.exe,但开发团队进一步优化了剪贴板程序的自动检测逻辑。在WSL2环境中,当检测到clip.exe可用时,会优先选择它作为默认剪贴板程序,而不是xclip。这一优化基于以下考虑:
- .exe扩展名的程序通常不会出现在非WSL环境的Linux系统中
- clip.exe作为Windows原生程序,在WSL2中无需额外配置即可使用
- xclip在WSL2中需要配置X服务器才能正常工作
使用建议
对于WSL2用户,建议将剪贴板偏好设置保存在PSPG的配置文件中,以避免每次使用时都需要指定参数。这一改进使得PSPG在WSL2环境中的使用体验更加流畅,特别是对于需要频繁复制查询结果的数据库开发人员来说,大大提高了工作效率。
该功能已在PSPG 5.8.3版本中正式发布,WSL2用户可以通过更新到最新版本来体验这一改进。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00