ZenStack 2.13.0版本发布:安全增强与策略功能升级
项目简介
ZenStack是一个基于Prisma构建的现代数据访问层框架,它为开发者提供了强大的数据建模、访问控制和业务逻辑封装能力。通过扩展Prisma的功能,ZenStack让开发者能够以声明式的方式定义数据访问策略,并自动生成类型安全的客户端代码。
关键安全修复
本次2.13.0版本包含了一个关键的安全修复,涉及嵌套的updateMany和deleteMany操作。在某些特定条件下,这些操作可能会影响到比预期更多的数据实体。具体来说,当同时满足以下三个条件时会出现此问题:
- 在顶层
update查询下使用嵌套的updateMany/deleteMany - 被嵌套更新的模型包含引用自身字段的访问策略,或者是多态模型
- 顶层更新查询使用非ID的唯一字段作为过滤条件
举例说明,假设有一个用户模型和文章模型,文章模型定义了访问策略只允许更新未发布的文章。当使用用户的email字段(非主键的唯一字段)作为顶层过滤条件进行嵌套更新时,原本应该只更新与该用户关联的文章,但由于此bug,过滤条件可能会丢失,导致可能更新到其他用户的文章。
值得注意的是,即使出现此问题,模型的访问策略仍然会生效,因此并非所有情况下都会导致数据错误。但出于安全考虑,建议用户尽快升级到2.13.0版本。
新特性介绍
Prisma 6.5支持
从2.12.3版本开始,ZenStack已经支持Prisma 6.5版本,用户现在可以享受到Prisma最新版本带来的各项改进和功能增强。
访问策略函数支持
本次版本新增了对currentModel和currentOperation函数的支持,开发者现在可以在访问策略规则中调用这些函数(#1984)。这为编写更灵活、更细粒度的访问控制逻辑提供了可能。
其他改进与修复
-
Zod集成改进:修复了带有默认值的JSON字段的Zod模式生成问题,确保类型定义更加准确。
-
类型导出优化:改进了模型元数据类型的重新导出机制,确保这些类型在所有使用场景下都可用。
-
Enhanced类型助手:现在无论是否使用逻辑Prisma模式,都会生成
Enhanced类型助手,提高了类型系统的可用性。 -
委托模型类型修复:解决了委托模型名称较长时的TypeScript类型定义问题(#1994)。
-
CLI工具改进:修复了当
@default引用auth()布尔类型字段时,zenstack generate命令可能出错的问题(#2038)。
升级建议
对于正在使用ZenStack的项目,特别是那些使用了嵌套updateMany/deleteMany操作的项目,强烈建议尽快升级到2.13.0版本。同时,可以考虑启用Prisma的严格undefined检查预览功能,这可以作为查询转换问题的额外安全防护。
ZenStack持续致力于为开发者提供安全、高效的数据访问解决方案,2.13.0版本的发布进一步提升了框架的稳定性和功能性,为构建企业级应用提供了更坚实的基础。
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