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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust030
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00