JetKVM 0.3.8版本发布:全面增强的远程桌面控制体验
JetKVM是一个开源的KVM(键盘、视频、鼠标)远程控制解决方案,它允许用户通过网络远程访问和控制另一台计算机。JetKVM特别适合需要远程管理多台设备的场景,如数据中心管理、远程办公等。最新发布的0.3.8版本带来了多项重要改进和新功能,显著提升了用户体验和系统灵活性。
相对鼠标功能(Beta)
0.3.8版本引入了备受期待的相对鼠标功能,目前处于Beta测试阶段。相对鼠标模式与传统的绝对鼠标定位不同,它基于鼠标移动的相对位移而非屏幕上的绝对位置。这种模式特别适合以下场景:
- 在远程桌面环境中运行需要精确鼠标控制的应用程序(如CAD设计软件)
- 玩需要鼠标连续移动的游戏
- 在虚拟机环境中获得更自然的鼠标体验
开发者特别指出,虽然该功能已经过充分测试,但由于仍处于Beta阶段,用户可能会遇到一些边界情况的问题,欢迎反馈以帮助进一步完善。
增强的USB设备管理
新版本对USB设备管理进行了重大改进,主要体现在三个方面:
-
USB信息覆盖:现在可以手动覆盖USB设备的识别信息,这在某些特殊硬件或自定义设备上特别有用。
-
USB设备覆盖:系统管理员可以配置特定的USB设备覆盖规则,实现更精细的设备控制策略。
-
动态USB配置:新增了动态USB配置功能,允许在不重启服务的情况下更新USB配置,大大提高了管理效率。
这些改进使得JetKVM在工业控制、医疗设备等需要严格USB管理策略的专业场景中更具竞争力。
云服务自定义配置
针对自托管用户,0.3.8版本增加了对云API和应用URL的自定义配置支持:
- 可以覆盖默认的云API端点,指向自建的API服务
- 能够自定义云应用URL,实现完全自主的部署方案
- 配置过程简单直观,通过修改配置文件即可完成
这一特性使得企业用户能够将JetKVM无缝集成到自己的基础设施中,同时保持数据在私有网络中的安全性。
滚动体验优化
鼠标滚轮操作得到了显著改善:
- 新增了滚动灵敏度设置,用户可以根据个人偏好调整
- 改进了滚轮事件处理算法,使滚动更加平滑自然
- 特别优化了在Firefox浏览器中的兼容性
这些改进使得文档浏览、网页导航等需要频繁滚动的操作体验大幅提升。
用户界面改进
0.3.8版本对用户界面进行了多项优化:
- 全新设置页面:重新设计的设置界面更加直观,功能分类更清晰
- 暗黑模式支持:为FieldLabel等组件添加了完整的暗黑模式支持
- 模态对话框优化:改进了设置对话框的处理逻辑,导航更加可靠
终端兼容性修复
针对Firefox浏览器的终端兼容性问题进行了专门修复:
- 改进了终端数据通道处理机制
- 确保在各种浏览器中都能获得一致的终端体验
- 特别解决了Firefox中可能出现的连接稳定性问题
其他重要修复
- 修复了全屏模式下点击空格键可能导致意外暂停的问题
- 改进了设备访问设置的处理逻辑
- 增加了构建信息验证,确保版本信息的准确性
- 优化了日志系统,提供更清晰的运行状态信息
技术架构改进
在底层架构方面,0.3.8版本也进行了多项优化:
- 引入了功能标志系统,便于进行功能灰度发布
- 添加了metrics端点,便于监控系统运行状态
- 实现了简单的TLS支持,增强通信安全性
- 全面启用了golangci-lint,提高了代码质量
总结
JetKVM 0.3.8版本通过引入相对鼠标支持、增强USB设备管理、改进云服务自定义配置等多项重要功能,显著提升了系统的灵活性、兼容性和用户体验。特别是对于需要自托管解决方案的企业用户和专业场景,这一版本提供了更多定制化可能。开发团队在保持核心功能稳定的同时,也在持续优化底层架构,为未来的功能扩展奠定了坚实基础。
对于现有用户,建议在测试环境中验证新功能后再进行生产环境部署,特别是相对鼠标功能虽然已经过充分测试,但仍标记为Beta状态。新用户可以借助改进后的安装和配置流程,更轻松地部署和使用JetKVM解决方案。
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