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
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。