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。
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01