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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112