Rocket.Chat 7.3.0-rc.0版本发布:即时通讯平台的重要更新
Rocket.Chat是一款开源的即时通讯平台,它提供了团队聊天、视频会议、文件共享等功能,支持自托管部署。作为企业级通信解决方案,Rocket.Chat以其安全性、可扩展性和丰富的功能集著称。本次发布的7.3.0-rc.0版本带来了多项功能增强和问题修复,特别是在Omnichannel客服系统、用户权限管理和系统稳定性方面有显著改进。
核心功能更新
Omnichannel客服系统增强
本次更新对Omnichannel客服系统进行了多项优化。新增的departmentsAllowedToForward属性允许管理员更精细地控制对话转发的部门范围,提升了客服工作流程的灵活性。特别值得注意的是,系统现在允许客服和管理员强制关闭处于异常状态的对话,通过forceClose参数可以绕过常规状态检查,有效解决了某些情况下对话状态不一致的问题。
用户角色与权限管理
在用户管理方面,7.3.0-rc.0版本引入了基于角色的成员分组功能。现在,在群组和频道的成员列表中,用户可以清晰地看到按角色分组的成员结构,这大大提升了大型团队的管理效率。新增的rooms.membersOrderedByRoleAPI端点也为开发者提供了获取按角色排序成员列表的能力。
权限系统也得到了优化,现在可以将mobile-upload-file权限授予访客用户,这在某些特定场景下非常实用。同时修复了用户在没有"预览公共频道"权限时仍能接收新消息的问题,使权限控制更加精确。
系统稳定性与性能改进
在系统稳定性方面,本次更新修复了多个关键问题。包括修复了在某些条件下房间历史记录无法加载的问题,解决了连接丢失可能导致应用操作按钮失效的情况,以及修正了房间滚动位置在切换时无法正确恢复的行为。
对于MongoDB用户,系统现在能正确报告MongoDB版本信息,而不再显示占位符文本。此外,还修复了文件缩略图在房间删除时未从存储中清除的问题,有助于更好地管理存储空间。
技术架构更新
引擎版本升级
7.3.0-rc.0版本采用了更新的技术栈:
- Node.js升级至22.11.0版本
- 支持MongoDB 5.0、6.0和7.0版本
- Apps-Engine更新至1.48.2-rc.0版本
这些更新为系统带来了更好的性能和安全性,同时也确保了与最新数据库技术的兼容性。
应用生态系统改进
应用开发者将受益于多项改进。修复了应用引擎在某些情况下无法与子进程重新建立通信的问题,解决了应用操作按钮在工具栏中显示不正确的问题。此外,还修复了在请求标签页卸载应用时可能出现的"GUI Application error"错误。
统计与报告功能
新版本在统计功能上有所增强,增加了语音通话数据的统计能力,为管理员提供了更全面的系统使用情况视图。同时修复了Omnichannel报告在特定时间周期(如上月、上年等)中日期显示不正确的问题,确保了报告数据的准确性。
用户体验优化
在用户界面方面,针对移动设备进行了特别优化。将附件发送选项从下拉菜单移动到编辑器主操作区域,解决了iOS浏览器上附件功能无法使用的问题。同时修复了房间文件列表中错误地将传入消息显示为文件的问题,使界面更加直观。
对于SAML登录用户,修复了使用邀请链接时可能被重定向到错误房间的问题,提升了单点登录体验的可靠性。
总结
Rocket.Chat 7.3.0-rc.0版本作为一次重要的预发布更新,在客服系统、权限管理、系统稳定性和用户体验等方面都做出了显著改进。这些变化不仅提升了平台的功能性和可靠性,也为开发者提供了更好的扩展能力。对于企业用户而言,新版本将带来更高效的团队协作体验和更可靠的通信保障。
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