WinSetView 3.1.1版本发布:Windows资源管理器视图定制工具新升级
WinSetView是一款专门用于定制Windows资源管理器视图设置的工具,它允许用户通过简单直观的界面批量修改文件夹视图、列设置和其他资源管理器选项。这款工具特别适合需要统一多台电脑资源管理器视图设置的系统管理员,或者希望个性化自己工作环境的普通用户。
主要新特性
1. 新增对MTP设备的支持
在3.1.1版本中,WinSetView现在可以将常规项目列设置应用到MTP设备(如手机)上。这一改进意味着当用户通过USB连接Android手机或其他支持MTP协议的设备时,也能保持一致的视图设置体验。
2. Windows 11特定功能增强
针对最新的Windows 11系统,新增了两个实用选项:
- "移除Windows 11中的主页":可以隐藏资源管理器左侧导航窗格中的"主页"项目
- "移除Windows 11中的图库":可以移除资源管理器中的图库视图
这些选项为用户提供了更简洁的资源管理器界面,特别是对于那些不常使用这些功能的用户来说非常实用。
3. 经典视图模式增强
"Windows XP/Vista视图模式"(原名为"传统行和图标间距")现在新增了对"自动排列"和"对齐到网格"默认设置的支持。这使得喜欢传统Windows界面风格的用户能够获得更完整的经典体验。
4. 新增当前设置检测功能
在"文件夹视图选项"页面新增了"检测当前设置"按钮,用户可以方便地查看当前系统的资源管理器视图设置,这在调试或比较设置时特别有用。
用户体验改进
1. 交互优化
所有主页面和选项页面中的复选框标签现在都可以点击,这遵循了现代UI设计的最佳实践,提高了用户操作的便捷性。
2. 兼容性扩展
现在WinSetView可以在MSHTML 8到11的版本上运行,这意味着即使在仅安装了基本Windows 7 SP1系统(无需安装IE 11)的环境中也能正常使用。
3. 功能布局调整
将"禁用文件夹缩略图"选项从"资源管理器选项"移动到了"文件夹视图选项"中,使功能分类更加合理,便于用户查找。
技术架构变更
1. 脚本语言迁移
本次版本将原有的VBScript代码全部替换为JScript代码。JScript作为微软的ECMAScript实现,具有更好的性能和现代特性支持。
2. 版本检查机制调整
移除了启动时自动检查新版本的功能,改为提供手动检查按钮。这一改变避免了因网络设置问题导致的启动延迟,同时仍然保留了版本更新的便利性。
总结
WinSetView 3.1.1版本在功能丰富性和用户体验上都做出了显著改进。新增的MTP设备支持扩展了工具的适用范围,Windows 11特定功能的加入确保了与新操作系统的良好兼容,而各种交互优化则进一步提升了工具的易用性。对于需要统一管理多台电脑资源管理器设置的用户,或者希望深度定制自己工作环境的Windows用户来说,这个版本值得升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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