lan-mouse项目在Plasma 6.1环境下的输入捕获问题解析
在Plasma 6.1桌面环境中,lan-mouse项目遇到了输入捕获功能失效的问题。本文将深入分析该问题的技术背景、产生原因以及解决方案。
问题背景
lan-mouse是一个实现远程鼠标控制功能的工具,它依赖于系统的输入捕获机制。在Plasma 6.1版本中,KDE引入了全新的input-capture portal机制,这是libei的前端实现,用于替代之前使用的layer-shell后端方案。
技术分析
原有机制
在Plasma 6.1之前,lan-mouse使用的是layer-shell后端作为输入捕获的解决方案。这种方案通过创建一个1像素宽的窗口,在屏幕边缘捕获鼠标输入。
新机制的变化
Plasma 6.1引入了input-capture portal,这是一种更现代的输入捕获方式。该机制通过定义"屏障"(barrier)并分配ID来实现输入捕获。当输入捕获被激活时,合成器会报告位置信息,并可选择性地报告屏障ID。
问题根源
在Plasma 6.1环境下,lan-mouse遇到了两个主要问题:
-
类型不匹配问题:Plasma在序列化过程中使用了错误的类型,导致在ashpd库中反序列化失败。这个问题已在Plasma 6.1.1中得到修复。
-
屏障ID缺失问题:Plasma目前尚未实现报告barrier_ids的功能。虽然这在规范中是可选功能,但它影响了lan-mouse对多个客户端输入的正确识别和处理。
解决方案
针对这些问题,开发者提供了多种解决方案:
-
等待Plasma实现barrier_ids:这是最直接的解决方案,但会暂时限制只能支持一个客户端。
-
回退到layer-shell捕获后端:可以通过在config.toml中设置
capture_backend = "LayerShell"来临时使用旧方案。 -
计算激活屏障:通过计算光标激活位置来确定哪个屏障被激活,这是目前最推荐的解决方案。
当前状态
目前,主要问题已经得到解决。但用户需要注意,Plasma的"光标抖动"桌面效果可能会导致捕获的光标再次可见。这个问题已向KDE团队报告,等待后续修复。
使用建议
对于遇到问题的用户,建议:
- 确保系统已更新到Plasma 6.1.1或更高版本
- 如果需要立即解决问题,可以使用layer-shell后端作为临时方案
- 关注项目更新,以获取对input-capture portal的完整支持
通过以上分析,我们可以看到桌面环境底层机制的变更如何影响上层应用,以及开发者如何通过多种技术方案来解决兼容性问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00