LiveHelperChat 4.65v版本发布:增强部门统计与多语言支持
LiveHelperChat是一款开源的在线客服系统解决方案,为企业提供实时聊天、客户支持和管理功能。该系统采用模块化设计,支持多渠道接入,具有高度可定制性,能够满足不同规模企业的在线客服需求。
部门统计功能增强
本次4.65v版本对部门统计功能进行了重要改进。在部门统计的模态窗口中,现在会显示部门的在线状态信息。这一改进对于管理员进行问题排查和运营分析特别有价值,可以直观地了解各个部门的工作状态和响应能力。
全局变量支持大小写不敏感
在聊天附加变量处理方面,新版本将大小写不敏感设置提升为全局配置。这意味着系统在处理变量时不再区分大小写,提高了变量引用的灵活性和容错性。开发者在编写相关逻辑时可以更加自由,不必担心因大小写不一致导致的问题。
登录问题修复
修复了一个影响用户体验的关键问题:在某些情况下,当管理员尝试以其他操作员身份登录时,系统会立即注销该操作员,导致登录失败。这个修复确保了身份切换功能的可靠性,为管理员提供了更稳定的管理体验。
加密变量处理优化
新版本改进了弹出窗口中对vars_encrypted选项的处理逻辑。现在系统会严格遵循该选项的设置,确保敏感变量在传输和显示过程中的安全性。这一改进增强了系统的数据保护能力,符合现代应用的安全标准。
机器人个性化增强
本次更新为机器人个性化功能引入了If条件支持,特别是在多语言消息翻译场景中。开发者现在可以在机器人消息配置中使用条件判断,根据不同条件返回不同的翻译内容。这一特性大大增强了机器人的灵活性和多语言支持能力,使机器人能够根据上下文提供更精准的响应。
数据库更新说明
要完整应用本次更新的所有功能,用户需要执行doc/update_db/update_333.sql文件中的数据库更新脚本。这一步骤确保了新功能所需的数据结构和配置变更能够正确应用。
总体而言,LiveHelperChat 4.65v版本在功能完善性、用户体验和安全性方面都做出了有价值的改进,特别是增强了部门管理、变量处理和机器人个性化等核心功能,进一步提升了系统的实用性和灵活性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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