ABP框架9.1.2版本发布:权限管理优化与前端体验升级
项目简介
ABP框架是一个开源的应用程序开发框架,基于ASP.NET Core平台构建,提供了模块化架构、多租户支持、领域驱动设计等现代化软件开发所需的核心功能。它通过丰富的功能模块和工具链,帮助开发者快速构建企业级应用程序。
核心功能更新
权限管理增强
本次版本对权限系统进行了多项改进,其中最重要的是使用角色ID而非名称来确定权限分配状态(IsAssigned)。这种设计变更提高了系统的稳定性和可维护性,因为角色ID比名称更具唯一性和不变性。同时,框架现在会在工作单元(Unit of Work)中发布DynamicPermissionDefinitionsChangedEto事件,确保权限变更通知的及时性和一致性。
前端体验优化
在Angular前端方面,开发团队修复了权限守卫检查机制,确保路由保护逻辑更加可靠。针对基础主题的导航栏本地化问题也进行了修复,使多语言切换更加平滑。此外,新增了AppBasePath参数到脚本和样式打包组件中,为前端资源路径管理提供了更大的灵活性。
技术细节改进
租户处理优化
框架现在会在DynamicRouteValueTransformer中尝试获取并更改租户信息,这一改进使得多租户应用的路由处理更加智能。同时,在读取缓存前会先设置当前租户信息,确保缓存数据与租户上下文的正确对应。
API与中间服务增强
AbpRemoteStreamContentModelBinder现在支持多文件处理,为文件上传场景提供了更好的兼容性。当配置ExposeClientProxyServices为false时,框架会自动移除ClientProxyServices,减少不必要的服务暴露。
文档与示例完善
开发团队对多个模块的文档进行了更新和完善,包括:
- 新增了Hangfire配置选项的详细说明
- 补充了模块实体扩展中DataTypeAttribute的使用示例
- 改进了GDPR模块中关于Cookie同意的文档章节
- 为Blazor和MVC主题添加了自定义页脚的示例代码
开发者体验提升
工具链改进
CLI工具的相关常量从const改为static string,提高了代码的可维护性。JSON序列化现在默认保持原始属性名称和字典键不变,避免了意外的命名转换。
本地化支持
Angular应用的基础主题和Lepton主题的本地化实现进行了重构,使多语言支持更加健壮和一致。同时修复了启用加密时访问令牌解析失败的问题。
总结
ABP框架9.1.2版本虽然是一个小版本更新,但包含了大量细节优化和问题修复,特别是在权限管理、多租户支持和前端体验方面有明显提升。这些改进使得框架更加稳定可靠,同时为开发者提供了更好的开发体验和更完善的文档支持。对于正在使用ABP框架的项目,建议评估这些改进点并根据需要进行升级。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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