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。
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 StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07