Rocket.Chat 7.4.0版本发布:企业级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,专为企业级通信需求设计,提供团队协作、客户支持、视频会议等一体化解决方案。作为一款可自托管的Slack替代品,它支持丰富的扩展功能和高度定制化,广泛应用于企业内部沟通和客户服务场景。
核心功能增强
本次7.4.0版本在API端点和系统集成方面进行了多项重要改进:
-
房间管理API扩展:新增了
rooms.hide端点,允许通过房间ID隐藏任何类型的房间,为管理员提供了更灵活的聊天空间管理能力。 -
多渠道客服增强:
livechat/rooms端点现在支持按多个部门和客服单元进行筛选,大幅提升了大型客服中心的管理效率。 -
响应时间计算优化:新增设置选项允许排除机器人消息在平均响应时间计算之外,使客服绩效评估更加准确。
-
系统消息事件追踪:引入
IPostSystemMessageSent事件,开发者现在可以精确追踪系统消息的发送情况,便于构建更复杂的自动化工作流。
用户体验优化
7.4.0版本在多处细节上提升了用户交互体验:
-
视频会议改进:用户现在可以自定义视频会议铃声和拨号音的音量,解决了之前总是以最大音量播放的问题。
-
消息排序增强:
im.messages和dm.messages端点支持多参数排序,使消息检索更加灵活。 -
角色可见性优化:将Leader组别加入房间成员列表,提高了团队角色管理的透明度。
-
权限搜索改进:重构了权限搜索功能,使管理员能更快速定位和配置所需权限。
安全与稳定性提升
本版本包含了多项安全加固和稳定性改进:
-
FCM推送通知:将默认推送通知服务从已废弃的GCM迁移至FCM,确保移动端消息推送的可靠性。
-
OTR会话清理:即时清理结束的OTR(端到端加密)会话消息,增强隐私保护。
-
输入验证强化:在ECDH和Livechat错误处理中引入"DOMPurify"和"he"进行输入净化,防范XSS攻击。
-
事务处理改进:使Omnichannel会话启动过程具备事务性,确保在高并发情况下的数据一致性。
技术架构升级
7.4.0版本对底层技术栈进行了更新:
-
运行时环境:Node.js版本升级至22.13.1,MongoDB支持5.0、6.0和7.0版本。
-
应用引擎:Apps-Engine升级至1.49.0版本,为开发者提供了更多扩展能力。
-
性能优化:更新至Meteor 3.1.2框架,提升了整体系统性能。
开发者工具增强
针对应用开发者,本版本提供了多项改进:
-
隐藏设置访问控制:允许明确指定哪些隐藏设置可以通过应用引擎访问,提高安全性。
-
线程消息过滤:在Apps Engine的room read/unread消息桥接中增加线程过滤选项。
-
异常处理增强:为OAuth应用添加/更新操作添加了wrapExceptions处理,避免未捕获的Promise拒绝。
-
元数据导出:在JSON消息导出中现在包含文件类型附件的元数据,便于数据迁移和分析。
总结
Rocket.Chat 7.4.0版本在功能丰富性、用户体验和系统稳定性方面都做出了显著改进。特别是对大型企业和客服中心场景的优化,以及对开发者工具的增强,使得这个开源通讯平台在企业协作领域更具竞争力。技术栈的更新也为未来的功能扩展奠定了更好的基础。对于现有用户而言,升级到这个版本将获得更安全、更稳定的通讯体验,同时为管理员和开发者提供了更多控制权和灵活性。
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