在 2020 年代,你可能已经忘记还存在着本地聊天客户端这样的东西,但实际上仍有少数几个在运行,而且依然很有用。其中之一就是 Pidgin,这个曾经被称为 GAIM 的软件。
它仍然存在,并且能够支持数量惊人的协议。在当前第二个 alpha 版本之后,Pidgin 3 很快就要到来了。不过,这个版本的开发时间确实很长 —— 这个项目已经进行了大约 16 年。
项目负责人 Gary Kramlich 在去年 11 月宣布了新版本。随后在 2025 年第一天发布了第一个预览版本,版本号为 2.90。本月初,第二个预览版本发布,初步版本号为 2.91。
Pidgin 3 已经很接近最终版本,但目前支持的通讯协议还不多。
让我们来谈谈本地聊天客户端及其重要性。现在大多数聊天和消息服务都是网页应用,仅仅是一堆 Javascript 代码:虽然技术上它们在你的 CPU 上运行,但你的消息都存储在云端某处 —— 服务只是让你查看这些消息,而不是保存它们。更糟糕的是,这些 Javascript 代码通常经过压缩和混淆变得难以阅读,而且可能还是专有的。
聊天频道中的讨论通常是组织知识库的重要组成部分。想要保存这些内容、存入数据库、建立索引并进行搜索是完全合理的需求。也许你只是想使用自己的界面来访问服务。但如果是某个 SaaS 服务,这些都做不到。
诚然,有很多基于网页的多协议客户端,我们之前也写过相关文章。自从 Franz 和 Ferdi 停止更新后,Reg FOSS 团队一直在日常使用 Ferdium。这类应用确实很方便,但它们有几个缺点:每个标签页都有不同的界面,而且内存占用惊人 —— 别想用 8GB 内存的机器运行 —— 当然,你的消息仍然不属于你:它们存储在云端某处。
Pidgin 是一个本地的(即非网页based)多协议聊天客户端。它最初是作为 AOL Instant Messenger (简称 AIM) 的 GNU 客户端开发的,所以被称为 gAIM。随着时间推移,它逐渐支持了各种其他服务,包括 Skype、ICQ、Facebook Messenger 等专有服务,以及基于开放标准的 Jabber 和 IRC。2007 年发布的 2.0 版本将名称改为 Pidgin。
Pidgin 2 仍在维护:2.14 版本于 2020 年发布,之后又有 13 个小版本更新。它有令人印象深刻的"可信"插件列表 —— 我们统计有 239 个 —— 以及更多第三方插件。公平地说,并非所有插件都用于连接不同的聊天服务,但很多都是:我们统计有 65 个额外的第三方协议。它几乎可以与所有服务对话,从 Amazon Chime 到 Discord,从 Facebook 到 Signal,再到 WhatsApp。
更重要的是,Pidgin 强大的多语言能力通过其底层通信层 libpurple 可供其他应用使用。遗憾的是,随着基于网页的消息系统的兴起,大多数应用都已经很久没有维护了,但 Finch 是面向 Linux shell 用户的文本模式客户端,而 Adium 是原生 macOS 客户端。
然而,尽管可扩展,Pidgin 2.x 仍然在其代码树中包含了 AIM 和其他一些已经消失的服务的协议。(如果你怀念这些服务,Nina 项目正在复活 AIM、ICQ、Yahoo 和 MSN。)移除这些意味着需要完全重写,经过多年的逐步工作,团队的努力终于开始显现成果。
无论如何,我们希望安全性能得到重视,因为消息或协议处理程序中的漏洞可能导致代码执行,这意味着世界另一端的人可能通过向你发送消息来接管你的设备。所有软件都有 bug,很多都存在这样的缺陷,Pidgin 过去也不例外。
Pidgin 3 将原生使用 GTK4,目前这个初步版本只支持 IRCv3。虽然还处于早期阶段,但今年已经发布了两个版本,表明正在取得重要进展。实验性构建版本可在 Flathub beta 上获取。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。