KMonad 0.4.4版本发布:键盘宏与系统兼容性全面升级
KMonad是一款开源的键盘映射工具,它允许用户通过配置文件重新定义键盘按键行为,实现复杂的按键组合、宏操作以及跨平台键盘布局定制。作为一个底层键盘输入处理工具,KMonad在开发者、键盘爱好者和效率追求者群体中广受欢迎。
新增功能亮点
按键命名规范化
本次0.4.4版本新增了rfkill和micmute两个标准按键名称,取代了之前使用的missing247和missing248占位符名称。这一改进使得配置文件更加语义化,提升了可读性和可维护性。对于历史用户,建议尽快更新配置文件以使用新的标准名称。
macOS按键支持扩展
针对Mac用户,本次更新增加了更多Mac专用按键的支持。同时,对于无法识别的键盘设备,现在会统一显示为"Unknown External Keyboard",解决了之前可能出现的识别混乱问题。
高键码支持
Linux用户现在可以使用键码值超过255的特殊按键了。这一改进为使用专业键盘或特殊输入设备的用户提供了更好的兼容性。
启动优化
新增的NixOS选项boot.initrd.services.kmonad.enable允许用户在initrd阶段就启用KMonad服务,这对于系统初始化阶段就需要特殊键盘配置的场景非常有用。
按键时序控制增强
新引入的key-seq-delay参数取代了原有的cmp-seq-delay,提供了更全面的按键时序控制能力。它能够在每个按键事件后强制加入最小延迟,默认设置为1毫秒。这一改进特别适合处理快速按键序列的场景,如宏操作和组合键。
同时新增的tap-hold-next-press功能是tap-next-press的增强版,增加了超时控制,为需要精确时序控制的复杂按键组合提供了更多可能性。
行为改进与优化
多击按键改进
multi-tap功能现在有了更智能的行为:
- 当按键被按住时,如果被其他按键中断,现在会保持按住状态
- 修复了之前版本中可能无法保持按住状态的问题
- 修正了在其他按键释放时意外取消的问题
这些改进使得多击按键功能在各种使用场景下表现更加稳定可靠。
宏操作修复
修复了tapMacro和tapMacroRelease在某些情况下的异常行为,确保宏按键能够按照预期准确触发。
平台特定修复
Windows平台修复了键码转换问题,Linux平台解决了TTY模式下按键重复功能失效的问题。这些修复显著提升了跨平台使用的稳定性。
升级建议
对于现有用户,特别是以下情况建议尽快升级:
- 使用了
missing247和missing248按键定义的用户 - 依赖
tap-macro等时序敏感功能的用户 - 需要多击按键保持功能的用户
- Mac平台用户
新用户可以直接使用0.4.4版本享受更完善的键盘定制体验。配置文件方面,建议参考新版文档使用标准按键名称和新增功能参数。
KMonad 0.4.4版本通过全面的功能增强和问题修复,进一步巩固了其作为键盘定制工具的领先地位,为各类用户提供了更强大、更稳定的键盘输入体验。
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